Upload
duongliem
View
217
Download
0
Embed Size (px)
Citation preview
i
FACULDADE DE ECONOMIA E FINANÇAS IBMEC PROGRAMA DE PÓS-GRADUAÇÃO E PESQUISA EM
ADMINISTRAÇÃO E ECONOMIA
DDIISSSSEERRTTAAÇÇÃÃOO DDEE MMEESSTTRRAADDOO PPRROOFFIISSSSIIOONNAALLIIZZAANNTTEE EEMM EECCOONNOOMMIIAA
“ANÁLISE EMPÍRICA DOS FATORES DETERMINANTES DO PRÊMIO DE FINANCIAMENTO EXTERNO E SUA
RELAÇÃO COM O CICLO DE NEGÓCIO DAS CORPORAÇÕES NO BRASIL”.
AALLBBEERRTTOO RROONNCCHHII NNEETTOO ORIENTADOR: PROF. DR. FERNANDO NASCIMENTO DE OLIVEI RA
Rio de Janeiro, 29 de outubro de 2010.
ii
“ANÁLISE EMPÍRICA DOS FATORES DETERMINANTES DO PRÊM IO DE FINANCIAMENTO EXTERNO E SUA RELAÇÃO COM O CICLO DE NEGÓCIO
DAS CORPORAÇÕES NO BRASIL”
ALBERTO RONCHI NETO
Dissertação apresentada ao curso de Mestrado Profissionalizante em Economia como requisito parcial para obtenção do Grau de Mestre em Economia. Área de Concentração: Economia Empresarial
ORIENTADOR: PROF. DR. FERNANDO NASCIMENTO DE OLIVEIRA
Rio de Janeiro, 29 de outubro de 2010.
iii
“ANÁLISE EMPÍRICA DOS FATORES DETERMINANTES DO PRÊM IO DE FINANCIAMENTO EXTERNO E SUA RELAÇÃO COM O CICLO DE NEGÓCIO
DAS CORPORAÇÕES NO BRASIL”
ALBERTO RONCHI NETO
Dissertação apresentada ao curso de Mestrado Profissionalizante em Economia como requisito parcial para obtenção do Grau de Mestre em Economia. Área de Concentração: Economia Empresarial
Avaliação:
BANCA EXAMINADORA:
_____________________________________________________
PROF. DR. FERNANDO NASCIMENTO DE OLIVEIRA (Orientador) Instituição: IBMEC _____________________________________________________
PROF. DR. CLAUDIO HENRIQUE DA SILVEIRA BARBEDO Instituição: IBMEC _____________________________________________________
PROF. DR. LUCIANO VEREDA OLIVEIRA Instituição: PUC-Rio
Rio de Janeiro, 29 de outubro de 2010.
iv
FICHA CATALOGRÁFICA
M 332.4981
O48a
Ronchi Neto,Alberto. “Análise Empírica dos Fatores Determinantes do Prêmio de Financiamento Externo e sua relação como ciclo de negócio das corporações no Brasil”. Faculdades IBMEC,2010:Rio de Janeiro. Páginas.
Dissertação apresentada ao Curso de Mestrado Profissionalizante em Economia como requisito parcial para obtenção do Grau de Mestre em Economia.
Área de concentração: Economia Empresarial. Orientação: Dr.Prof.. FERNANDO NASCIMENTO DE OLIVEIRA 1.Ciclos de Negócios. – Corporações. I.Ronchi Neto,Alberto . II. Dr.Prof. Oliveira,Fernando Nascimento (Orientador). III. Título.
vi
AGRADECIMENTOS
Aos colegas da DIPLA/Previ, que na convivência diária me permitem aprender com cada um
deles. Em particular aos amigos Álvaro, Átila, Bruno, Emerson, Fernando, Florentino,
Gabriel, Júlio, Luciana Lima, Luciana Marques, Newton, Serone, Valéria e Victor, pelos
cafezinhos e almoços regados a bons papos. Em especial a Marcus, Vitor Paulo e Cecília pela
oportunidade de participar dessa equipe e compreensão nos momentos mais intensos na
elaboração dessa dissertação.
Aos professores e demais funcionários do IBMEC/RJ, pelas aulas enriquecedoras e excelente
estrutura oferecida.
Ao meu orientador, Fernando Nascimento de Oliveira, pela sua participação, atenção e apoio
na elaboração dessa dissertação.
A Luciano Vereda e Claudio Barbedo pela honra concedida de terem feito parte da minha
banca examinadora.
Aos amigos Domingos, Eliane, FH, Fugi, Caiça, Henrique, Juninho e Marcelo. Em especial
ao amigo e companheiro de república João Paulo, que além da amizade na convivência diária,
realizou comentários e sugestões ao trabalho.
vii
A Adriana, pelo amor, carinho e apoio incondicional. Obrigado por fazer parte da minha vida.
A toda minha família. Meus sobrinhos Isabella, Vinicius, Renan e João Pedro. Meu irmão
Carlinhos e minha irmã Gisa. Em especial aos meus pais, Carlos Alberto e Nair, aos quais
meu amor, respeito e gratidão são imensuráveis.
viii
RESUMO
O prêmio de financiamento externo consiste na variável chave na formulação teórica do canal
do crédito. Esse trabalho evidencia a existência de fatores determinantes comuns entre o
prêmio de financiamento externo e a probabilidade de insolvência de corporações e avalia em
diferentes níveis a sensibilidade do ciclo de negócio das empresas às variações do prêmio de
financiamento externo. Os resultados sinalizam um canal do crédito ativo no Brasil.
Palavras Chave: Mecanismos de Transmissão de Política Monetária, Canal do Crédito,
Imperfeições do Mercado de Crédito.
ix
ABSTRACT
The external finance premium is the key variable in credit channel’s theoretical background.
We find empirical evidences supporting a relationship between the external finance premium
and firm’s default probability and appraise in different levels the sensitivity of business cycle
to the external finance premium. The results indicate a credit channel working in Brazil.
Key Words: Monetary Transmission Mechanism, Credit Channel, Credit Market
Imperfections.
x
LISTA DE FIGURAS
Figura 1 – Indicadores financeiros utilizados nas análises ....................................................... 43 Figura 2 – Função de Kaplan Meier avaliando a probabilidade de insolvência em relação à
duração do evento para a amostra total de empresas ........................................................ 51 Figura 3 – Função de Kaplan Meier avaliando a probabilidade de insolvência em relação à
duração do evento entre empresas solventes e insolventes .............................................. 51
Figura 4 – Gráficos para a probabilidade de insolvência condicional avaliada na média: Despesa Financeira/EBIT e Market to Book .................................................................... 53
Figura 5 – Gráficos para a probabilidade de insolvência condicional avaliada na média: Nível de Garantias e Endividamento de Curto Prazo/Ativo Total ............................................. 53
Figura 6 – Gráfico para a probabilidade de insolvência condicional avaliada na média: Estoque/Ativo Total .......................................................................................................... 53
xi
LISTA DE TABELAS Tabela 1 – Indicadores financeiros ........................................................................................... 42 Tabela 2 – Estatísticas descritivas dos indicadores financeiros ............................................... 44 Tabela 3 – Empresas utilizadas na amostra .............................................................................. 46 Tabela 4 – Matriz de correlação dos indicadores financeiros .................................................. 47 Tabela 5 – Testes para a média: empresas solventes x empresas insolventes .......................... 47
Tabela 6 – Testes para a média: empresas com rating x empresas sem rating ........................ 49 Tabela 7 – Modelos de probabilidade não-linear para apurar a relação entre a probabilidade de
insolvência e as imperfeições existentes no mercado de crédito ...................................... 52
Tabela 8 – Modelo base: modelo dinâmico de dados em painel relacionando o ciclo de negócio das empresas com os indicadores relacionados com imperfeições existentes no mercado crédito ................................................................................................................ 54
Tabela 9 – Estimando o modelo base para o período antes e depois da implantação do tripé da economia brasileira (câmbio flutuante, metas de inflação e equilíbrio fiscal) ................. 55
Tabela 10 – Avaliando a sensibilidade do ciclo de negócio das firmas entre grupos com grau de acessibilidade ao mercado de crédito distinto.............................................................. 56
Tabela 11 – Testes de Wald: especificação incluindo variável criada a partir da interação entre o componente do prêmio de financiamento externo e variável binária de insolvência .... 57
Tabela 12 – Teste de Wald: especificação incluindo variável criada a partir da interação entre o componente do prêmio de financiamento externo e variável binária para a existência de rating. ............................................................................................................................... 57
Tabela 13 – Relação das empresas identificadas na amostra com operações de financiamento contratadas diretamente com o BNDES ........................................................................... 58
Tabela 14 – Avaliando o “efeito BNDES” ............................................................................... 59 Tabela 15 – Teste de Wald: especificação incluindo variável criada a partir da interação entre
o componente do prêmio de financiamento externo e a variável binária BNDES. .......... 60
Tabela 16 – Avaliando a sensibilidade dos setores às imperfeições do mercado de crédito Despesa Financeira/EBIT ................................................................................................. 61
Tabela 17 – Avaliando a sensibilidade dos setores às imperfeições do mercado de crédito: Market to Book ................................................................................................................. 62
Tabela 18 – Avaliando a sensibilidade dos setores às imperfeições do mercado de crédito: Nível de Garantias ............................................................................................................ 63
Tabela 19 – Avaliando a sensibilidade dos setores às imperfeições do mercado de crédito: Endividamento de Curto Prazo ......................................................................................... 64
Tabela 20 – Relação dos setores de acordo com a sensibilidade de seu ciclo de negócio ao prêmio de financiamento externo: Despesa Financeira/EBIT e Market to Book. ............ 65
Tabela 21 – Relação dos setores de acordo com a sensibilidade de seu ciclo de negócio ao prêmio de financiamento externo: Nível de Garantias e Endividamento CP/Ativo Total. .......................................................................................................................................... 66
xii
LISTA DE ABREVIATURAS Bovespa Bolsa de Valores de São Paulo
CVM Comissão de Valores Mobiliários
BDI Boletim Diário de Informações
xiii
SUMÁRIO
1 INTRODUÇÃO .................................................................................................. 1
2 REVISÃO DA LITERATURA ............................. ............................................... 5
2.1 O canal do crédito .................................................................................................................................... 5
2.2 Critérios de classificação para avaliar o acesso das firmas ao mercado de crédito ............................ 7
3 DESCRIÇÃO DOS DADOS ............................... ............................................. 13
4 ANÁLISE EMPÍRICA .................................. .................................................... 18
4.1 O prêmio de financiamento externo e os fatores determinantes da insolvência ............................... 18
4.2 Relação entre o ciclo de negócio e o prêmio de financiamento externo ............................................. 21
5 ANÁLISE DE ROBUSTEZ ............................... ............................................... 27
5.1 Relação entre o ciclo de negócio e o prêmio de financiamento externo antes e após a implantação do tripé da economia brasileira baseado no câmbio flutuante, metas de inflação e equilíbrio fiscal ........... 27
5.2 Análise da sensibilidade do ciclo de negócio das empresas de acordo com o grau de acessibilidade ao mercado de crédito ......................................................................................................................................... 28
5.3 Análise do “efeito BNDES” ................................................................................................................... 32
5.4 Análise da sensibilidade do ciclo de negócio setorial ao prêmio de financiamento externo ............. 35
6 CONCLUSÃO ......................................... ........................................................ 38
REFERÊNCIAS BIBLIOGRÁFICAS ........................ ................................................. 40
1
1 INTRODUÇÃO
No Brasil, o canal do crédito consiste em um fenômeno recente. A elevada inflação no
período anterior ao Plano Real impedia o desenvolvimento do mercado de crédito. Mesmo
após a estabilização dos preços, a alta volatilidade dos juros reais devido aos choques externos
e internos recorrentes que atingiam a economia ainda desestimulava esse processo. Nos
últimos anos, a remoção gradual dos fatores que tornavam o país suscetível a esses choques
possibilitou a redução das taxas de juros e aumento da oferta de crédito. Nesse contexto,
cresce a relevância do canal do crédito. Avaliar como esse mecanismo atua sobre o ciclo de
negócio das empresas contribui para mensurar a eficácia da política monetária.
A teoria do canal do crédito ressalta como imperfeições do mercado de crédito potencializam
os efeitos da política monetária. Dentro dessa perspectiva, a variável chave consiste no prêmio
de financiamento externo, que é a diferença entre os custos dos recursos obtidos de terceiros e
o custo de oportunidade dos recursos gerados internamente. Entretanto, como ressalta Graeve
(2008), uma dificuldade inerente aos trabalhos empíricos que analisam o canal do crédito é
que o prêmio de financiamento externo é uma variável não observável.
Com isso, a maioria dos trabalhos empíricos que busca testar esse canal de transmissão de
política monetária impõe aproximações para o prêmio de financiamento externo e verifica
distinções das respostas do ciclo de negócio e decisões de investimento entre grupos de firmas
2
divididos de acordo com as restrições encontradas no acesso ao mercado de crédito. Gertler e
Gilchrist (1994) e Oliveira (2008), por exemplo, utilizam indicadores financeiros para refletir
a dinâmica do prêmio de financiamento externo e o tamanho das empresas para medir o grau
de acesso ao mercado de crédito, focando respectivamente a economia norte-americana e a
economia brasileira. Ambos os trabalhos relatam que firmas pequenas possuem ciclo de
negócio mais sensível ao prêmio de financiamento externo. Destacam esse resultado como
evidência favorável à existência de um canal do crédito ativo nessas economias.
Nesse contexto, o presente trabalho utiliza um grupo de indicadores financeiros usualmente
relacionados às imperfeições existentes no mercado de crédito para (1) evidenciar a existência
de fatores determinantes comuns entre o prêmio de financiamento externo e a probabilidade
de insolvência das corporações e (2) avaliar em diferentes níveis a sensibilidade do ciclo de
negócio das empresas às variações do prêmio de financiamento externo.
Nas análises, foi utilizado um painel não balanceado construído a partir das demonstrações
contábeis de empresas de capital aberto não financeiras listadas na Bovespa entre o terceiro
trimestre de 1994 e o terceiro trimestre de 2009. A insolvência e a existência de rating em
escala global para a dívida de longo prazo foram os critérios utilizados para mensurar o acesso
das empresas ao mercado de crédito. O conceito de insolvência adotado foi o início de um
procedimento legal de concordata ou falência. Essas informações foram obtidas no Boletim
Diário de Informações (BDI) da Bovespa e no cadastro de companhias abertas da CVM. A
existência de rating foi apurada nas listas de empresas acompanhadas divulgadas pelas
agências de risco Fitch Ratings, Moodys e Standard & Poors. A amostra abrange 332
empresas. Desse total foram identificadas 12 firmas insolventes e 37 firmas com rating.
3
Considerando que empresas que se tornaram insolventes ao longo do tempo devem ter se
deparado com maiores restrições no acesso ao mercado de crédito, a probabilidade de
insolvência deve ser diretamente proporcional ao prêmio de financiamento externo.
Empregando modelos Logit e Complementary Log Log para relacionar uma variável binária
criada para as empresas insolventes e os indicadores utilizados para refletir a variável não
observável foram obtidas evidências que sinalizam a validade dessa hipótese.
Na seqüência esses indicadores foram inseridos em um modelo dinâmico de dados em painel
System GMM para relacionar o ciclo de negócio e o prêmio de financiamento externo. Testes
de robustez realizados com esse modelo evidenciaram que: (1) o canal do crédito ganhou
força no país após implantação do tripé câmbio flutuante, metas de inflação e equilíbrio fiscal;
(2) empresas insolventes e sem rating possuem ciclo de negócio mais sensível ao prêmio de
financiamento externo; (3) empresas com acessos às operações diretas do BNDES apresentam
ciclo menos sensível ao prêmio de financiamento externo; e (4) setores tradicionalmente
pulverizados e com histórico de problemas financeiros apresentaram ciclo mais sensível ao
prêmio de financiamento externo.
No que diz respeito à relação entre o prêmio de financiamento externo e a probabilidade de
insolvência e a utilização da insolvência como critério para refletir as imperfeições do
mercado de crédito, não foram encontrados trabalhos semelhantes na literatura, tornando esses
itens inéditos. A existência de rating já foi utilizada em estudos direcionados à economia
americana, como Gilchrist e Himmelberg (1995, 1998). Entretanto, não foi identificado o uso
desse critério em análises focando o canal do crédito no Brasil.
Em síntese, os exercícios empíricos evidenciaram a existência de um canal do crédito ativo na
economia brasileira.
4
O trabalho foi estruturado da seguinte forma: o segundo capítulo traz a revisão da literatura,
focando a descrição da teoria do canal do crédito e os principais critérios utilizados para
classificar as empresas de acordo com seu acesso ao mercado de crédito. O terceiro capítulo
concentra a descrição e tratamento dos dados. O quarto capítulo é dedicado à análise
empírica. No quinto capítulo são realizados os testes de robustez. O sexto capítulo foi
reservado à conclusão e às considerações finais.
5
2 REVISÃO DA LITERATURA
2.1 O CANAL DO CRÉDITO
De acordo com Bernanke e Gertler (1995), surgem basicamente dois mecanismos através dos
quais choques monetários afetariam o prêmio de financiamento externo. O primeiro deles, o
canal dos empréstimos bancários, foca especificamente os possíveis efeitos da política
monetária sobre o volume de crédito ofertado pelas instituições financeiras. O segundo, o
canal do balanço patrimonial, explora o impacto potencial da política monetária sobre o
balanço patrimonial dos tomadores de recursos no mercado de crédito. Esses mecanismos são
conhecidos de uma maneira ampla como canal do crédito.
Em relação ao canal dos empréstimos bancários, uma redução na oferta monetária provoca
um declínio nos depósitos bancários, reduzindo o nível de reservas das instituições financeiras
disponível para empréstimos. Mesmo que essa redução não implique uma restrição total ao
crédito, custos associados à procura por novas fontes de recursos e ao estabelecimento de
relacionamento com novos credores elevariam os custos de agência envolvidos nas
contratações de crédito subseqüentes, elevando o prêmio de financiamento externo.
Adicionalmente, como os depósitos bancários não possuem um substituto perfeito, a
reposição do capital perdido no varejo pelos bancos gera um custo adicional, que também
impacta o prêmio de financiamento externo. Por sua vez, a elevação do prêmio de
6
financiamento externo impactaria negativamente a demanda por crédito, o nível de
investimentos e, consequentemente, a atividade real.
No canal do balanço patrimonial, políticas monetárias contracionistas, relacionadas a um
aumento da taxa de juros, afetam adversamente a posição financeira das firmas ao menos em
três formas: (1) reduz o preço dos ativos, diminuindo o valor das garantias concedidas ou
passíveis de concessão para a obtenção de crédito; (2) aumenta os gastos com juros, reduzindo
o fluxo de caixa das companhias; e (3) reduz o nível de consumo, afetando os lucros e
novamente impactando o fluxo de caixa das empresas nos períodos subseqüentes.
A deterioração do balanço patrimonial das empresas aumenta o temor dos credores pelo calote
e eleva o rigor das análises para concessão de crédito. Ademais, a redução no valor líquido
das firmas eleva o risco moral envolvido na administração das companhias na medida em que
o valor da participação que os proprietários possuem é menor, incentivando investimentos
mais arriscados. Esses movimentos elevam o prêmio de financiamento externo no mercado de
crédito, restringindo a oferta de empréstimos, o nível de investimentos, e por fim, a demanda
agregada.
Segundo Mishkin (1995), entre esses mecanismos, o canal do balanço patrimonial tem se
destacado pela racionalidade existente na sua formulação teórica. Entre os elementos que
garantem esse maior prestígio ao canal do balanço patrimonial, encontram-se: (1) a maior
racionalidade com relação ao efeito dos preços dos ativos enfatizado na escola monetarista e;
(2) o fato que, ao contrário da formulação existente nas visões tradicionais da transmissão da
política monetária, é a taxa de juros nominal de curto prazo, e não a taxa de juros real de
longo prazo, que conduz os efeitos dos choques monetários à atividade real.
7
2.2 CRITÉRIOS DE CLASSIFICAÇÃO PARA AVALIAR O ACESSO DAS FIRMAS AO MERCADO DE CRÉDITO
Grande parte dos trabalhos empíricos encontrados na literatura procura evidenciar a existência
de um canal do crédito ativo avaliando o conceitual teórico do canal do balanço patrimonial.
O caminho usualmente seguido tem buscado obter evidências sobre a importância dos
mecanismos de propagação financeira para o setor corporativo, analisando distinções das
respostas dos ciclos de negócios e decisões de investimento entre grupos de firmas distintos.
Os critérios de diferenciação dos grupos de análise normalmente são definidos a priori,
levando em consideração características que estariam correlacionadas com o grau de
acessibilidade das empresas ao mercado de crédito.
Gertler e Gilchrist (1994) testam o conceitual teórico do canal do balanço patrimonial
avaliando empiricamente a importância dos mecanismos financeiros de propagação sobre o
ciclo de negócio de um grupo de firmas não financeiras norte-americanas. Para isso, utilizam
o tamanho da firma, mensurado através do valor do ativo, como uma medida de acessibilidade
das empresas ao mercado de crédito. Segundo os autores, o tamanho da empresa seria uma
aproximação para os fatores primitivos que estão realmente relacionados com o acesso das
firmas ao mercado de crédito e com o prêmio de financiamento externo: tempo de existência,
grau de risco idiossincrático e capacidade de oferecer garantias. Em média, empresas com
essas características seriam empresas de pequeno porte.
Em seu trabalho, consideram quatro variáveis: estoques, vendas, dívida de curto prazo e razão
cobertura sobre juros. De acordo com os autores, o nível estoques, além de sua importância
para a explicação do ciclo de negócio, auxilia controlando para os efeitos relacionados com a
existência de imperfeições no mercado de crédito, que por sua vez dificultam a redução da
produção pelas empresas em momentos de retração nas vendas. O nível de vendas é utilizado
8
como um indicador para o nível de atividade da firma. A inclusão da dívida de curto prazo é
justificada pela relevância desse indicador no financiamento de estoques e outros custos
variáveis. Por fim, o indicador cobertura sobre juros busca capturar as condições financeiras
das empresas1.
Oliveira (2008) realiza um estudo muito próximo ao realizado por Gertler e Gilchrist (1994),
adotando o tamanho das empresas com uma medida do seu acesso ao mercado de crédito,
porém focando a economia brasileira. As análises empíricas são realizadas com uma base de
dados de empresas públicas obtida entre o terceiro trimestre de 1994 e o terceiro trimestre de
2006. Na análise de robustez, os exercícios são repetidos com uma base de dados anuais de
empresas privadas obtida entre 1994 e 2006. Um ponto interessante nesse trabalho consiste na
adição de fatores visando descrever características das firmas relacionadas à existência de
custos de agência nas relações de crédito. Além das variáveis usuais para controle do ciclo de
negócio e posição financeira das firmas (receitas operacionais, estoques, dívida de curto prazo
e razão cobertura sobre juros), são incluídos o indicador Market to Book e a razão entre ativos
fixos e ativos totais como controles para custos de agência.
O indicador Market to Book2, que consiste na razão entre o valor de mercado e o valor
contábil da firma, retrataria o potencial de crescimento atribuído à empresa pelo mercado.
Quanto maior o potencial de crescimento estipulado pelo mercado, maior a suscetibilidade da
firma a choques de política monetária. A razão entre os ativos fixos e ativos totais fornecem
uma medida da capacidade das empresas em oferecer garantias. Quanto menor esse quociente,
1 Bernanke e Gertler (1995) também utilizam o indicador cobertura sobre juros, a razão entre as despesas com juros e os lucros verificados entre firmas não-financeiras, para apurar a condição financeira das corporações.
Facilidade na apuração, elevada correlação com o nível de deterioração do balanço patrimonial das firmas e resultados de estudos empíricos demonstrando efeitos significativos entre movimentos da cobertura sobre juros e fatores de demanda entre empresas sujeitas a imperfeições no mercado de crédito consistem nas justificativas colocadas pelos autores para embasar o uso do indicador para essa finalidade. 2 Muitos trabalhos interpretam o indicador Market to Book como uma medida para o Q de Tobin.
9
maiores os custos de agência. Por sua vez, quanto maiores os custos de agência, maior o
prêmio de financiamento externo na economia. Da mesma forma que Gertler e Gilchrist
(1994), o autor evidencia que firmas pequenas são mais sensíveis a choques monetários do
que empresas grandes, o que implica em indícios favoráveis à existência de um canal do
crédito operante no Brasil.
Ao invés de focar na relação entre o ciclo de negócio das firmas e choques de política
monetária em ambientes com imperfeições no mercado de crédito, muitos trabalhos focam a
relação entre o investimento corporativo e a disponibilidade de recursos internos para testar a
presença de ambientes com restrições de financiamento. Geralmente, esses estudos também
dividem a amostra de firmas de acordo com a suscetibilidade a imperfeições de mercado
utilizando critérios definidos a priori e comparam a sensibilidade investimento-fluxo de
caixa3 entre as diferentes sub-amostras.
Fazzari, Hubbard e Petersen (1988) foram um dos primeiros a avaliar a sensibilidade
investimento-fluxo de caixa das empresas. Utilizando uma base de dados composta por dados
financeiros de empresas manufatureiras com ações negociadas em bolsa apurados entre 1970
e 1984 nos EUA, classificam esse conjunto de firmas de acordo com o nível de distribuição de
dividendos, medido através do indicador dividend payout.
Argumentam que em empresas com demanda por financiamentos superior à disponibilidade
de recursos internos, se o prêmio de financiamento externo for pequeno, os investimentos
seriam pouco afetados, dado que essa demanda poderia ser satisfeita com recursos de
terceiros. Entretanto, quando há um prêmio de financiamento externo mais significativo, a
3 O fluxo de caixa das empresas consiste na aproximação usual utilizada na literatura para a disponibilidade de recursos internos.
10
retenção de lucros ganha importância, pois seria mais oneroso financiar os investimentos com
recursos de terceiros.
Considerando a premissa de que o nível de distribuição de dividendos está diretamente
relacionado ao grau de restrições que as empresas enfrentam no mercado de crédito,
encontram resultados que sugerem que as decisões de investimento das empresas com
maiores restrições de financiamento são mais sensíveis à disponibilidade de recursos internos
do que as com menores restrições de financiamento. Assim, concluem que a sensibilidade
investimento-fluxo de caixa das empresas aumenta monotonicamente com o grau de restrições
que elas enfrentam.
Tendo como objetivo investigar se a sensibilidade investimento-fluxo de caixa realmente
fornece uma medida confiável para o grau de restrições enfrentado pelas empresas, Kaplan e
Zingales (1997) encontram evidências que invalidam os resultados encontrados por Fazzari,
Hubbard e Petersen (1988), dando início a um interessante debate na literatura que se estende
por Fazzari, Hubbard e Petersen (2000) e Kaplan e Zingales (2000).
Partindo de uma amostra de 49 empresas não-financeiras identificadas a partir do trabalho de
Fazzari, Hubbard e Petersen (1988) como tendo, a priori, maior sensibilidade investimento-
fluxo de caixa, Kaplan e Zingales (1997) dividem as firmas ano a ano de acordo com o grau
de restrições de financiamento, baseando-se em informações qualitativas e quantitativas
obtidas em documentos de divulgação (cartas aos acionistas, discussões sobre a gestão de
operações e liquidez, financial statements e relatórios anuais) e dados financeiros das
empresas. Contrariando os estudos anteriores, concluem que as decisões de investimento das
empresas expostas a um menor grau de restrições de financiamento são mais sensíveis à
disponibilidade de recursos internos.
11
Utilizando dados de 1317 empresas dos EUA para o período de 1987 a 1994 e empregando a
metodologia de análise discriminante múltipla para classificar as empresas de acordo com o
grau de restrições, Cleary (1999) obteve resultados semelhantes ao de Kaplan e Zingales
(1997). Utilizou indicadores financeiros como liquidez corrente, a razão entre a dívida de
longo prazo e ativo, cobertura sobre juros, entre outros, para refletir o prêmio pago pelas
empresas no mercado de crédito.
Cleary (2006) investigou a interação entre as medidas mais comuns de classificação de
restrição de financiamento das empresas, tentando identificar as que mais afetam os
investimentos. As medidas focalizadas foram: a distribuição de dividendos; o tamanho da
empresa; e um índice semelhante ao de Cleary (1999), baseado em uma análise discriminante
múltipla, que envolveu uma série de indicadores financeiros das empresas. Os resultados
encontrados sugerem que as medidas de classificação das restrições de financiamento das
empresas baseadas em tamanho ou distribuição de dividendos podem estar relacionadas
também ao status financeiro das empresas, que, por sua vez, constituiria o efeito mais
importante para a sensibilidade do investimento à disponibilidade de recursos internos nas
empresas.
Gilchrist e Himmelberg (1995, 1998) desenvolvem um modelo vetores auto-regressivos com
dados em painel (panel data VAR) incorporando a existência de imperfeições de mercado,
através do qual procuram identificar e quantificar a influência de fatores fundamentalistas
(retorno esperado/valor presente do investimento) e financeiros (disponibilidade de recursos
interna e externamente) nas decisões de investimento corporativo.
Na análise de robustez do modelo, além de utilizar o tamanho e o nível de distribuição de
dividendos como critérios para verificar a suscetibilidade das empresas às imperfeições de
12
mercado, adotam também a existência ou não de ratings apurados por agências classificadoras
de risco para títulos emitidos pelas companhias. Segundo os autores, como a maioria das
firmas que emitem dívida obtém um rating para seus títulos, esse último critério possibilita
dividir a amostra entre grupos que emitiram e não emitiram títulos no passado. A não emissão
de títulos de dívida implicaria que a firma possui maiores restrições no acesso ao mercado de
crédito. Consistentemente com a teoria que enfatiza as imperfeições existentes no mercado
financeiro, verificam que empresas pequenas e sem rating respondem de maneira mais forte
aos fatores financeiros.
No contexto interno, Terra (2003) apura evidências para o Brasil em maior consonância com
os resultados encontrados por Fazzari, Hubbard e Petersen (1988). A autora utiliza um painel
de dados não balanceado para o período entre 1986 a 1997 e observa o tamanho da empresa, a
dependência de financiamento estrangeiro e o fato da empresa ser doméstica ou multinacional
como critérios de classificação para o nível de restrições de financiamento.
Por outro lado, utilizando um painel de dados não balanceado composto por informações
financeiras de 565 empresas com ações negociadas na Bolsa de Valores de São Paulo
(BOVESPA) apurados de 2001 a 2005 e adotando o tamanho das empresas como medida para
o grau de restrições enfrentado pelas companhias no acesso ao mercado de crédito, Aldrighi e
Bisinha (2010) revela que empresas de grande porte apresentam maior dependência dos
fluxos de caixa para efetivar seus investimentos. Assim, ao contrário de Terra (2003), esse
resultado corrobora o trabalho de Kaplan e Zingales (1997).
13
3 DESCRIÇÃO DOS DADOS
As informações utilizadas nas análises foram extraídas do banco de dados compilado pela
empresa Economática e da CVM. Inicialmente, foram coletados dados do balanço patrimonial
de 628 empresas de capital aberto com ações negociadas na Bovespa entre o terceiro trimestre
de 1994 e o terceiro trimestre de 2009.
Para cada empresa foram construídos os seguintes indicadores: Despesa Financeira/EBIT,
Market to Book, Nível de Garantias, Endividamento de Curto Prazo/Ativo Total,
Estoque/Ativo Total e Receita Operacional Líquida/Ativo Total.4
Os indicadores Despesa Financeira/EBIT e Endividamento de Curto Prazo/Ativo Total têm
como objetivo controlar para a situação financeira da firma. Os indicadores Market to Book e
Nível de Garantias expressam custos de agência com os quais as empresas se deparam no
mercado de crédito5. Esses quatro indicadores, em conjunto, foram utilizados para refletir a
dinâmica do prêmio de financiamento externo. Os indicadores Estoque/Ativo Total e Receita
Operacional Líquida/Ativo Total foram utilizados para refletir o ciclo de negócio das firmas.
Na Tabela 1 encontra-se a forma como esses indicadores foram calculados.
4 A escolha desses indicadores seguiu estudos como Gertler e Gilchrist (1994) e Oliveira (2008). 5 O indicador Market to Book reflete o potencial de crescimento ou ganhos futuros que o mercado atribui às empresas. O indicador Nível de Garantias sinaliza a capacidade das empresas em oferecer garantias para obter novos empréstimos.
14
Os critérios de classificação a priori escolhidos para medir o nível de acesso das empresas ao
mercado de crédito foram a insolvência e a existência de rating em escala global para a dívida
de longo prazo.
O conceito de insolvência adotado é o início de um procedimento legal de concordata ou
falência6. Esse estado foi apurado por meio da observação do relatório Boletim Diário de
Informação (BDI), publicado pela Bovespa. Adicionalmente, foram classificadas como
insolventes as empresas que durante o período de análise constaram no cadastro de
companhias abertas da CVM na situação de falidas. Definiu-se como momento de ocorrência
do evento de default o trimestre em que a empresa passou a ter suas ações negociadas como
concordatária ou que passou a constar no cadastro da CVM como falida, sendo criada uma
variável binária com valor igual a um para o estado de insolvência e zero caso contrário. A
premissa é que as empresas que se tornaram insolventes teriam se deparado com maiores
custos de agência ao longo do tempo.
As companhias com rating em escala global para sua dívida de longo prazo7 foram
identificadas nas listas de empresas acompanhadas divulgadas por três agências de risco:
Fitch Ratings, Moodys e Standard & Poors. Foi criada uma variável binária para esse critério,
sendo atribuído o valor igual a um caso a empresa possua rating para sua dívida de longo
prazo divulgada por pelo menos duas das três agências de risco citadas e zero caso contrário.
Empresas com rating divulgado por agências de classificação de risco possuem acesso a um
número maior de fontes de financiamento, e conseqüentemente, seriam menos expostas às
imperfeições existentes no mercado de crédito.
6 Sanvincente e Minardi (1998) e Brito e Neto (2008) utilizam esse conceito para identificar empresas solventes e insolventes. Ambos os trabalhos buscam desenvolver um modelo para avaliar o risco de crédito de empresas no Brasil. 7 Esse critério se aproxima ao adotado por Gilchrist e Himmelberg (1995, 1998).
15
Foram excluídas da amostra: (1) as empresas para as quais não foi possível calcular em
nenhum dos trimestres os indicadores selecionados para as análises; (2) as empresas
pertencentes ao setor financeiro, que possuem uma estrutura de capital distinta em relação às
empresas do setor real; e (3) as empresas pertencentes aos setores de Telecomunicações e
Energia Elétrica, que tradicionalmente detêm um ciclo de negócio menos sensível às
variações de mercado.
A Tabela 2 relaciona um conjunto de estatísticas descritivas para a amostra total e para a
amostra dividida de acordo com os critérios. Na “Parte A” dessa tabela, pode-se verificar a
existência de outliers entre os indicadores selecionados para a análise. Em virtude desse fato,
para evitar viés nos resultados das estimações, foram excluídos da amostra 0,2 percentil de
todos os indicadores. A Parte B da Tabela 2 contempla as estatísticas descritivas para os
indicadores selecionados para a análise após a exclusão dos outliers.
Após todas as exclusões, foi obtido um painel não balanceado composto por 332 empresas.
Desse total, foram identificadas 12 empresas insolventes e 37 empresas com rating. A Tabela
3 relaciona a quantidade de empresas identificadas em cada um dos critérios, bem como o
setor ao qual pertencem. Foi adotada a divisão setorial do Economática.
A Tabela 4 traz a matriz de correlação dos indicadores. Com exceção da observada entre os
indicadores Estoque/Ativo Total e Receita Operacional Líquida/Ativo Total, todas as demais
correlações apresentaram valores abaixo de 0,1.
Nas Tabelas 5 e 6 são disponibilizados os resultados dos testes para averiguar a diferença
entre as médias dos indicadores de acordo com os critérios adotados para medir o grau de
acesso das empresas ao mercado de crédito. A hipótese nula de que as empresas solventes e
16
insolventes possuem indicadores com médias iguais foi avaliada contra três hipóteses
alternativas: as médias não são iguais, a média do indicador para empresas insolventes supera
a verificada pelas empresas solventes e a média do indicador para empresas insolventes é
inferior à verificada para empresas solventes. O mesmo exercício foi realizado para empresas
com e sem rating em escala global para sua dívida de longo prazo.
Na comparação entre empresas insolventes e solventes, considerando um nível de
significância de 10%, os testes apontaram que as médias dos indicadores Despesa
Financeira/EBIT, Endividamento de Curto Prazo/EBIT, Estoque/Ativo Total e Receita
Operacional Líquida/Ativo Total para empresas insolventes superam as verificadas para
empresas solventes. De forma oposta, as médias dos indicadores Nível de Garantias e Market
to Book para empresas solventes superam as médias observadas para empresas insolventes.
Todos os resultados estão em linha à premissa de acessibilidade ao mercado de crédito.
No caso da existência ou não de rating para a dívida de longo prazo das empresas, os testes
apontaram que as médias dos indicadores Nível de Garantias, Estoque/Ativo Total,
Endividamento de Curto Prazo/Ativo Total e Receita Operacional Líquida/Ativo Total para
empresas sem rating superam a média observada para as empresas com rating. No caso dos
indicadores Despesa Financeira/EBIT e Market to Book, a média para empresas com rating
superam a média observada para as empresas sem rating. O resultado contrário ao esperado
para os indicadores Nível de Garantias e Despesa Financeira/EBIT pode ser minimizado, uma
vez que a mediana entre as empresas com e sem rating pouco diferiram.8
Devido à pequena quantidade de empresas insolventes, foi o empregado a estimação de
Kaplan Meier como um teste não paramétrico para referendar os resultados dos testes
8 Observar tabela 2.
17
paramétricos realizados para a média dos indicadores financeiros9. A figura 2 traz o resultado
da estimação de Kaplan Meier para a amostra total de empresas. A figura 3 contém o
resultado da estimação de Kaplan Meier, diferenciando a amostra entre empresas solventes e
insolventes respectivamente.
Os resultados apurados pela métrica evidenciam que ao passar do tempo a probabilidade das
empresas passarem do estado de solvência para o estado de insolvência é reduzida. Essa
dinâmica retrata a maior probabilidade de insolvência esperada para empresas mais jovens, o
que por sua vez ilustra um dos fatores primitivos relacionados com o nível de restrições
enfrentados pelas firmas em seu acesso ao mercado de crédito citado por Gertler e Gilchrist
(1994), o tempo de existência. Como segundo resultado, o estimador de Kaplan Meier
verificado entre empresas insolventes é muito distinto do averiguado para empresas solventes
e para a amostra total.
9 De acordo com Torabi e Ding (1998) testes paramétricos são aconselháveis em situações com pequenas amostras.
18
4 ANÁLISE EMPÍRICA
4.1 O PRÊMIO DE FINANCIAMENTO EXTERNO E OS FATORES DETERMINANTES DA INSOLVÊNCIA
De acordo com a teoria do canal do crédito, existe uma relação inversamente proporcional
entre a situação financeira das empresas e o prêmio de financiamento externo. Por outro lado,
muitos trabalhos já demonstraram que indicadores utilizados para representar a situação
econômico-financeira das empresas possuem poder preditivo para identificar o risco de
crédito corporativo10. Essas relações sugerem a existência de fatores determinantes comuns
entre o prêmio de financiamento externo e a probabilidade de insolvência das empresas.
Para avaliar essa hipótese foram aplicados os modelos de probabilidade não-linear Logit e
Complementary Log Log relacionando a probabilidade de insolvência e indicadores
financeiros selecionados para ilustrar o nível de imperfeições existentes no mercado de
crédito. O resultado desse exercício pode apresentar evidências favoráveis ao uso do critério
de insolvência para medir o grau de acesso das empresas ao mercado de crédito e validar os
indicadores financeiros selecionados para refletir a dinâmica do prêmio de financiamento
externo.
10 Sanvincente e Minardi (1998) e Brito e Neto (2008), entre outros.
19
A regressão Logit é a técnica tradicionalmente aplicada em modelos de previsão para a
insolvência, apresentando vantagens em relação às técnicas concorrentes11. Para sua
aplicação, a variável dependente sofre uma transformação logística, sendo convertida em uma
razão de probabilidades e posteriormente em uma variável de base logarítmica12. No exercício
proposto, o modelo Logit possui a seguinte forma:
νββββββ ++++++=
−ECPNGMBDFEE
p
p5432101
ln (1)
, onde
E = Estoque/Ativo Total;
DFE = Despesa Financeira/EBIT (inverso do indicador cobertura sobre juros), visando
controlar para a posição financeira individual das firmas;
MB = Market to Book (razão entre o valor de mercado e o patrimônio líquido), visando
controlar para o potencial de crescimento atribuído pelo mercado às empresas;
NG = Nível de Garantias (razão entre o ativo fixo e o exigível a longo prazo), visando
controlar para a capacidade individual das empresas em oferecer garantias reais;
ECP = Endividamento de Curto Prazo/Ativo Total (razão entre o passivo circulante e o ativo
total), visando controlar para o nível de alavancagem das empresas;
11 Ver Brito e Neto (2008). 12 Para a regressão Logit, Pr(d=1/X) = exp(Xβ)/(1+ exp(Xβ)).
20
ν = termo de erro aleatório.
Segundo Cameron e Trivedi (2005), o modelo Complementary Log Log é o mais adequado
em situações onde um dos resultados consiste em um evento raro13. Essa técnica assume uma
distribuição assimétrica para o termo aleatório ν . Para sua aplicação, a variável dependente
também sofre uma transformação, sendo convertida em um combinatório de exponenciais e
depois transformada em uma variável de base logarítmica14. A especificação do modelo
Complementary Log Log possui a seguinte forma:
νββββββ ++++++=−− ECPNGMBDFEEp 543210))1ln(ln( (2)
Os modelos foram estimados com dados empilhados (pooled cross sections) e erros-padrões
robustos ajustados para correlação intra-empresa (cluster). A Tabela 7 traz os parâmetros
obtidos em ambas as especificações. Os resultados apresentados pelo modelo Logit e
Complementary Log Log pouco diferiram.
As duas técnicas apresentaram todas variáveis significativas a um nível de 10%, com exceção
do Nível de Garantias. Analisando os resultados sob o conceitual teórico do canal do crédito,
todos indicadores apresentaram o sinal esperado.
Os indicadores Market to Book e Nível de Garantias, que são relacionados respectivamente ao
potencial de crescimento e capacidade das empresas em oferecer garantias, possuem
13 Tipicamente, o modelo Logit estima de forma mais acurada os efeitos marginais e probabilidades preditas quando os eventos analisados possuem proporção mais próxima a ½. Como na amostra final foram identificadas apenas 12 empresas insolventes contra um total de 320 empresas solventes, resultando em 92 eventos de insolvência contra 6690 eventos de solvência, a aplicação dessa técnica para efeitos comparativos é justificável. 14 Para a regressão Complementary Log Log: Pr(d=1/X) =1- exp(-exp(Xβ)). Para pequenos valores de probabilidade, a transformação Complementary Log Log é próxima à transformação logística. Conforme o valor da probabilidade aumenta, a transformação Complementary Log Log tende ao infinito de forma mais lenta comparativamente a transformação logística.
21
coeficientes negativos, indicando que quanto maiores os valores assumidos por essas
variáveis, menor a probabilidade de insolvência.
Os indicadores Despesa Financeira/EBIT, Endividamento de Curto Prazo/Ativo Total e
Estoque/Ativo Total possuem coeficientes positivos, sinalizando que quanto maior o valor
dessas variáveis, maior a probabilidade de insolvência. Os dois primeiros indicadores refletem
a situação financeira das empresas, enquanto a razão entre os estoques e o ativo total reflete o
ciclo de negócio das firmas. Entre todas as variáveis explicativas, o indicador Estoque/Ativo
Total foi o que apresentou o coeficiente de maior magnitude.
Nas figuras 4 a 6 essas relações podem ser verificadas com maior clareza. Foi calculada a
probabilidade de insolvência condicional para cada um dos indicadores financeiros utilizados
para refletir o prêmio de financiamento externo, avaliando os demais na média. Ou seja, as
probabilidades de insolvência para uma firma representativa com valores médios de todas as
variáveis exceto o indicador financeiro destacado. Para cada indicador as probabilidades
obtidas pelos modelos Logit e Complementary Log Log podem ser comparadas.
4.2 RELAÇÃO ENTRE O CICLO DE NEGÓCIO E O PRÊMIO DE FINANCIAMENTO EXTERNO
Para avaliar a relação entre o ciclo de negócio do setor corporativo e o prêmio de
financiamento externo, foi construído um modelo dinâmico de dados em painel estimado em
dois estágios pelo Método dos Momentos Generalizados desenvolvido por Arellano e Bover
(1995) e Blundell e Bond (1998), também conhecido como System GMM. Esse método é uma
extensão do estimador Arellano-Bond15.
15 Desenvolvido por Holt-Eakin, Newey, and Rosen (1988) e Arellano and Bond (1991), o estimador de Arellano-Bond também é conhecido como Difference GMM.
22
Da mesma forma que seu precursor, utiliza instrumentos para resolver problemas de
endogeneidade gerados em sua construção. Entretanto, o System GMM combina um sistema
de regressões em diferenças com uma regressão em nível e permite corrigir problemas que
podem ocorrer com o estimador Arellano-Bond quando os instrumentos utilizados são
fracamente correlacionados com as variáveis explicativas. Para as equações em diferenças,
utilizam a defasagem dos níveis como instrumentos. Para a equação em nível, são utilizadas
as defasagens das primeiras diferenças como instrumentos.
Um fato reconhecido amplamente na literatura que trata dessa classe de modelos é que quanto
maior a persistência das séries utilizadas como instrumentos, menor a correlação entre a
primeira diferença dessas séries e suas defasagens em níveis. Por sua vez, a utilização de
instrumentos fracos influencia o desempenho do estimador GMM original em grandes e
pequenas amostras. Em grandes amostras, a variância dos coeficientes estimados aumenta
assintoticamente. Em pequenas amostras, particularmente quando a quantidade de períodos é
reduzida, a utilização de instrumentos fracos pode viesar os coeficientes. O estimador System
GMM supõe pressupostos adicionais ao Arellano-Bond, como a não existência de correlação
entre a primeira diferença das variáveis instrumentais e os efeitos individuais não observáveis.
Essa hipótese permite a utilização de mais instrumentos, o que por sua vez pode proporcionar
melhoras às estimações16.
A variável dependente escolhida para representar o ciclo de negócio das firmas foi o
indicador Estoque/Ativo Total. Na estimação de um processo univariado de primeira ordem
(AR(1)) para essa variável utilizando toda a amostra (3T1994-3T2009), o termo auto-
16 Entre outros trabalhos, Bobba e Coviello (2006) e Biondi e Toneto (2008) ressaltam esses pontos originalmente expostos por Blundell e Bond (1998). Roodman (2009) proporciona uma revisão sobre os modelos dinâmicos de dados em painel estimados pelo Método dos Momentos Generalizados e demonstra como aplicar esses estimadores por meio do programa Stata.
23
regressivo apresentou coeficiente em torno de 0,3, demonstrando algum grau de
persistência17. Esse resultado implica que a primeira diferença do indicador Estoque/Ativo
Total deve apresentar baixa correlação com suas defasagens em nível, o que resultaria em
instrumentos fracos.
No exercício aqui proposto, mesmo que a dimensão temporal não possa ser considerada
pequena, reduzindo o risco de viés, a utilização do estimador System GMM pode proporcionar
ganhos em termos de eficiência. Adicionalmente, como não foram constatados trabalhos
empíricos que estudassem o comportamento do ciclo de negócio corporativo aplicando esse
método, a sua utilização pode ser considerada mais uma contribuição à literatura contida
nesse trabalho.
A próxima equação denota a especificação do modelo base:
itititttitt
titttitttitttitttitt
ECPNG
MBDFEREE
νηδββββββ
++∆+∆+∆+∆+∆+∆+=∆
−−−−
−−−−−−−−
1,4,61,4,5
1,4,41,4,3,4,21,4,10,4, (3)
, onde:
titt E ,4, −∆ = variação em relação ao mesmo trimestre do ano anterior do indicador
Estoque/Ativo Total;
titt R ,4, −∆ = variação em relação ao mesmo trimestre do ano anterior do indicador Receita
Operacional Líquida/Ativo Total, incluída com o objetivo de controlar para o nível de vendas
das empresas;
17 Esses resultados não foram relatados integralmente devido a limitações de espaço, mas podem ser disponibilizados a pedidos.
24
titt DFE ,4, −∆ = variação em relação ao mesmo trimestre do ano anterior do indicador Despesa
Financeira/EBIT (inverso do indicador cobertura sobre juros), visando controlar para a
posição financeira individual das firmas;
titt MB ,4, −∆ = variação em relação ao mesmo trimestre do ano anterior do indicador Market to
Book (razão entre o valor de mercado e o patrimônio líquido da empresa), visando controlar
para o potencial de crescimento das empresas;
titt NG ,4, −∆ = variação em relação ao mesmo trimestre do ano anterior do indicador Nível de
Garantias (razão entre o ativo fixo e o exigível a longo prazo), visando controlar para a
capacidade individual das empresas em oferecer garantias reais;
titt ECP,4, −∆ = variação em relação ao mesmo trimestre do ano anterior do indicador
Endividamento de Curto Prazo/Ativo Total (razão entre o passivo circulante e o ativo total),
visando controlar para o nível de alavancagem das empresas;
iη = efeito individual não-observável das firmas;
itν = termo de erro aleatório.
Foram adotados como pressupostos as seguintes condições: 0)()( =×= iitit EE ηνν ,
0)/( =itit XE ν e 0)( =× jsitE νν (para todos jistji ≠,,,, ), onde itX representa o conjunto de
regressores. Para tornar mais provável a hipótese de não correlação entre os erros das firmas,
em todas as estimações foram incluídas variáveis binárias temporais para remover choques
25
específicos que podem ter afetado as empresas conjuntamente em algum período18. Para
eliminar efeitos ligados a fatores sazonais, todos os indicadores financeiros são variações em
relação ao mesmo trimestre do ano anterior. Todas as especificações foram estimadas com
matriz robusta e correção de Windmeijer para os erros padrões.
A razão Receita Operacional Líquida/Ativo Total foi incluída como uma das variáveis
explicativas do modelo para retratar o nível de vendas das empresas e possibilitar uma medida
mais aderente para o ciclo de negócio das firmas19. As demais variáveis explicativas incluídas
no modelo são os indicadores selecionados para refletir o prêmio de financiamento externo.
Conforme comentado anteriormente, por construção, a estimação por meio do System GMM
exige a instrumentalização da regressão. Para a equação em primeira diferença foram
aplicadas defasagens dos regressores em nível. Para a equação em nível, foram aplicados os
regressores em primeira diferença. Outros instrumentos utilizados foram as variáveis binárias
trimestrais e a taxa Selic. Para evitar a proliferação dos instrumentos, a inclusão foi limitada à
segunda defasagem.20
A tabela 8 resume os parâmetros estimados. O teste de Hansen e o teste Difference-in-
Hansen possuem como hipótese nula a validade dos instrumentos utilizados e a validade da
inclusão da condição de momento adicional demandada pelo System GMM, respectivamente.
18 Segundo Roodman (2009), a inclusão de variáveis binárias temporais torna mais provável o pressuposto de independência dos erros idiossincráticos entre os indivíduos. 19 Gertler e Gilchrist (1994) destacam que após controlar para o nível de vendas, variações no nível de estoques são capazes de refletir a impossibilidade de redução da produção em momentos de retração nas vendas relacionada à existência de imperfeições no mercado de crédito. 20 Segundo Cameron e Trivedi (2005), para um número de períodos moderado ou grande, deve haver uma defasagem máxima da variável dependente utilizada como instrumento (yi,t) que não seja maior que a quarta defasagem dessa variável (yi,t-4).
26
Ambos os testes não rejeitam a hipótese nula.21 Considerando os resultados apontados pelo
modelo, dentro de um nível de significância de 10%, os indicadores Receita Operacional
Líquida/Ativo Total, Market to Book e Nível de Garantias não apresentaram coeficientes
estatisticamente significativos.
Em relação às variáveis estatisticamente significativas, o indicador Estoque/Ativo Total
defasado apresentou coeficiente positivo com valor entre zero e um (0,339). Esse resultado
indica que o nível de estoques das firmas segue um processo estacionário e exibe persistência
em sua dinâmica.
Entre os indicadores relacionados às imperfeições existentes no mercado de crédito, Despesa
Financeira/EBIT e Endividamento de Curto Prazo/ Ativo Total também apresentaram
coeficientes com os sinais esperados e significativos. Quanto maior as despesas financeiras
em relação à geração de caixa da empresa, maiores restrições deverão ser verificadas no
acesso ao mercado de crédito. Quanto maior o endividamento de curto prazo da empresa,
maior risco é atribuído às suas operações. Ambos indicadores são diretamente proporcionais
ao prêmio de financiamento externo, que de acordo com o esperado pelo referencial teórico
do canal do crédito, seria positivamente correlacionado com o acúmulo de estoques nas
firmas.
Os demais indicadores não apresentaram coeficientes estatisticamente significativos.
21 Tanto o teste de Hansen quanto o teste Difference-in-Hansen possuem sua confiabilidade reduzida caso o número de instrumentos seja elevado. Entretanto, realizando os testes para conjuntos menores de instrumentos, a validade observada se manteve.
27
5 ANÁLISE DE ROBUSTEZ
Para avaliar o modelo dinâmico de dados em painel apresentado na seção anterior, foram
realizados os seguintes experimentos:
1. Estimação do modelo no período anterior e posterior à implantação do tripé da economia brasileira, apoiado no câmbio flutuante, metas de inflação e equilíbrio fiscal;
2. Análise da sensibilidade do ciclo de negócio das firmas de acordo com o grau de acessibilidade ao mercado de crédito, medido através da insolvência e da existência de rating em escala global para a dívida de longo prazo das empresas;
3. Análise do “efeito BNDES”;
4. Análise da sensibilidade do ciclo de negócio setorial ao prêmio de financiamento externo.
Os resultados desses exercícios são apresentados nas próximas seções. A escolha dos
instrumentos para as especificações apresentadas na seqüência seguiu a mesma regra aplicada
na construção do modelo base.
5.1 RELAÇÃO ENTRE O CICLO DE NEGÓCIO E O PRÊMIO DE FINANCIAMENTO EXTERNO ANTES E APÓS A IMPLANTAÇÃO DO TRIPÉ DA ECONOMIA BRASILEIRA BASEADO NO CÂMBIO FLUTUANTE, METAS DE INFLAÇÃO E EQUILÍBRIO FISCAL
O modelo foi avaliado em dois períodos: antes e após a implantação do tripé da economia
brasileira, baseado no regime de câmbio flutuante, metas de inflação e equilíbrio fiscal. Essa
28
questão é importante para o canal do crédito, uma vez que a política monetária sofreu
alterações significativas no segundo período destacado. Esse evento também pode ter afetado
a dinâmica do prêmio de financiamento externo no Brasil. A tabela 9 exprime o resultado de
ambas as especificações.
As únicas variáveis significativas para o período antes da implantação do tripé na economia
são as relacionadas ao próprio ciclo de negócio: a variável dependente defasada e o indicador
Receita Operacional Líquida/Ativo Total. Os indicadores financeiros relacionados ao prêmio
de financiamento externo não apresentaram coeficientes significativos.
No período após a mudança, os resultados da estimação apresentaram melhora. Apenas o
indicador Receita Operacional Líquida/Ativo Total não atingiu o nível de significância de
10%. Todos os indicadores selecionados para refletir o prêmio de financiamento externo
foram significativos e apresentaram o sinal esperado. O resultado evidencia um canal de
crédito operante após a mudança do regime cambial e o estabelecimento do sistema de metas
de inflação.
5.2 ANÁLISE DA SENSIBILIDADE DO CICLO DE NEGÓCIO DAS EMPRESAS DE ACORDO COM O GRAU DE ACESSIBILIDADE AO MERCADO DE CRÉDITO
O objetivo desse exercício é verificar se empresas com maiores restrições no acesso ao
mercado de crédito possuem um ciclo de negócio mais sensível às variações do prêmio de
financiamento externo. Nesse trabalho, foram adotados dois critérios a priori para classificar
as firmas de acordo com seu grau de acesso ao mercado de crédito: a insolvência e a
existência de rating em escala global atribuído para a dívida de longo prazo das empresas.
Para avaliar essa sensibilidade, foram criadas as seguintes variáveis binárias:
29
• I: assume o valor um caso a empresa tenha se tornado insolvente ao longo do tempo e
valor zero caso contrário;
• r: assume o valor um caso a empresa possua rating em escala global atribuída para sua
dívida de longo prazo e valor zero caso contrário.
Para cada um desses critérios, foi criada uma especificação do modelo base apresentado na
seção anterior, incluindo variáveis criadas a partir do produto entre os indicadores que
representam as imperfeições existentes no mercado de crédito e a respectiva variável binária
construída para refletir aspectos qualitativos que alterariam a intensidade da resposta das
empresas às mudanças desse estado. As equações (4) e (5) denotam, respectivamente, as
especificações referentes ao critério da insolvência e ao critério da existência de rating:
itititttitt
titttitttitttitt
titttitttitttitttitt
ECPIECP
NGINGMBIMB
DFEIDFEREE
νηδδδδδδ
δδδδδ
++∆+∆+∆+∆+∆+∆
+∆+∆+∆+∆+=∆
−−−−
−−−−−−−−
−−−−−−−−
)*(
)*()*(
)*(
1,4,101,4,9
1,4,81,4,71,4,61,4,5
1,4,41,4,3,4,21,4,10,4,
(4)
itititttitt
titttitttitttitt
titttitttitttitttitt
ECPrECP
NGrNGMBrMB
DFErDFEREE
νηϕϕϕϕϕϕ
ϕϕϕϕϕ
++∆+∆+∆+∆+∆+∆+
∆+∆+∆+∆+=∆
−−−−
−−−−−−−−
−−−−−−−−
)*(
)*()*(
)*(
1,4,101,4,9
1,4,81,4,71,4,61,4,5
1,4,41,4,3,4,21,4,10,4,
(5)
Os pressupostos assumidos e a regra para escolha dos instrumentos são os mesmos aplicados
ao modelo base.
Quanto maior o nível de restrições que as empresas enfrentam no mercado de crédito, maior
deve ser a sensibilidade em relação ao prêmio de financiamento externo. Dessa forma, o
interesse principal desse exercício recai sobre a significância e sinal dos indicadores
30
selecionados para refletir o prêmio de financiamento externo e no respectivo termo de
interação. As empresas com maior grau de restrição devem apresentar um ciclo de negócio
mais sensível às variações dos fatores relacionados ao prêmio de financiamento externo.
Para a especificação que inclui a variável binária de insolvência, espera-se que o sinal do
coeficiente do termo de interação seja igual ao do respectivo indicador. Ou seja, se o sinal do
coeficiente do indicador é positivo, o sinal do coeficiente do termo de interação também deve
ser positivo. Isso significa que o estado de insolvência amplifica a sensibilidade do ciclo de
negócio das empresas às imperfeições existentes no mercado de crédito.
Como a variável binária que denota a existência de rating, ao contrário da variável binária de
insolvência, possui o valor um para empresas que enfrentam menores restrições no acesso ao
mercado de crédito, espera-se que o coeficiente do termo de interação apresente sinal
contrário ao apresentado pelo seu respectivo indicador.
A tabela 10 resume os resultados de ambas as especificações. As especificações foram
estimadas para o período após a mudança do regime cambial no Brasil. Nota-se que todos os
indicadores mantiveram coeficientes significantes e com o mesmo sinal apresentado no
modelo base.
Para avaliar a significância dos parâmetros dos indicadores relacionados às imperfeições do
mercado de crédito, além do teste de significância individual de cada termo, foi realizado um
teste de Wald para a significância conjunta entre cada indicador e seu respectivo termo de
interação.
31
Para facilitar a visualização do resultado da análise, as tabelas 11 e 12 resumem
respectivamente os parâmetros dos indicadores, termos de interação e testes de significância
para a especificação incluindo a variável binária de insolvência e a variável binária que indica
a existência de rating. Os coeficientes que apresentaram significância individual ou conjunta e
sinal de acordo com o esperado foram destacados como “válidos” (V). Os coeficientes que
apresentaram significância individual ou conjunta com sinal contrário ao esperado foram
classificados como “não válidos” (NV). Os coeficientes que não apresentaram significância
individual ou conjunta foram considerados “não conclusivos” (NC).
No caso da especificação considerando o estado de insolvência foram considerados válidos os
indicadores relacionados à situação financeira e à capacidade de oferecer garantias das
empresas. O resultado verificado para o indicador Market to Book não foi conclusivo. O
coeficiente do termo de interação do indicador que se refere ao endividamento de curto prazo
não apresentou significância individual, mas apresentou significância conjunta. Entretanto,
como o sinal verificado para seu coeficiente foi diferente do esperado, o resultado foi
classificado como “não válido”.
Em relação à especificação que considera a existência de rating, os indicadores Nível de
Garantias e Endividamento de Curto Prazo/Ativo Total apresentaram resultados válidos. Os
testes para os demais indicadores foram não conclusivos.
Com exceção do indicador Market to Book, todos os demais indicadores relacionados com o
prêmio de financiamento externo apresentaram ao menos um resultado válido para os critérios
a priori adotados. Essas relações indicam, em algum grau, a influência das imperfeições
existentes no mercado de crédito sobre o ciclo de negócio das empresas.
32
5.3 ANÁLISE DO “EFEITO BNDES”
Uma peculiaridade com relação ao mercado de crédito no Brasil consiste na atuação do
BNDES (Banco Nacional de Desenvolvimento Econômico e Social). Essa instituição é uma
peça chave na implementação das políticas industriais do Governo e consiste no principal
provedor de financiamentos de longo prazo no país. As condições dos recursos oriundos do
BNDES normalmente destoam do ofertado no mercado de crédito pelas demais instituições
financeiras, apresentando não apenas menores taxas, mas também prazos mais longos. Além
disso, as taxas de juros cobradas pelo BNDES são apenas marginalmente afetadas pela taxa de
juros nominal de curto prazo, principal instrumento de política monetária dentro do sistema de
política monetária vigente.
Dentro desse contexto, torna-se plausível supor que empresas com acesso significativo a esses
recursos devam apresentar maior resiliência às variações do prêmio de financiamento externo.
Para avaliar essa hipótese, o método utilizado foi análogo ao aplicado na seção anterior.
Observando informações divulgadas pelo BNDES sobre suas operações diretas, foram
identificadas as companhias pertencentes à amostra que financiaram projetos de grande porte
com a instituição nos últimos anos. A tabela 13 relaciona essas empresas por setor. Fazendo
uso dessas informações, foi criada uma variável binária seguindo como regra:
• BNDES: assume o valor um caso a empresa tenha contratado operações de grande
porte diretamente com o BNDES e valor zero caso contrário.
33
A equação (6) denota a especificação do modelo base incluindo um termo de interação
construído a partir do produto entre a variável binária BNDES e cada um dos indicadores
relacionados às imperfeições existentes no mercado de crédito:
itititt
titttitttitt
titttitttitt
titttitttitttitt
ECPBNDES
ECPNGBNDESNG
MBBNDESMBDFEBNDES
DFEREE
νηγγγγ
γγγγγγγ
++∆+∆+∆+∆
+∆+∆+∆+∆+∆+∆+=∆
−−
−−−−−−
−−−−−−
−−−−−−
)*(
)*(
)*()*(
1,4,10
1,4,91,4,81,4,7
1,4,61,4,51,4,4
1,4,3,4,21,4,10,4,
(6)
Mais uma vez, o interesse principal do exercício recai sobre a significância e sinal dos
indicadores, em conjunto com seu respectivo termo de interação. Devido à regra seguida na
construção da variável binária BNDES, espera-se que o sinal do termo de interação seja
contrário ao do respectivo indicador. Isso significa que a atuação do BNDES consegue
amenizar a sensibilidade do ciclo de negócio das empresas às imperfeições existentes no
mercado de crédito.
A tabela 14 resume os parâmetros do modelo. Seguindo o exercício anterior, a especificação
foi estimada para o período após a implantação do tripé econômico no Brasil.
Comparativamente ao modelo base, o indicador Despesa Financeira/EBIT foi o único a perder
significância. Os testes de Hansen e Difference-in-Hansen mais uma vez confirmam a
validade dos instrumentos utilizados e a condição de momento adicional gerada pelo System
GMM.
A tabela 15 resume os parâmetros dos indicadores, termos de interação e testes de
significância para as variáveis relacionadas às imperfeições existentes no mercado de crédito.
Os indicadores foram classificados seguindo a mesma regra adotada para a análise da
sensibilidade das empresas em relação aos critérios de acessibilidade ao mercado de crédito:
34
os coeficientes que apresentaram significância individual ou conjunta e sinal de acordo com o
esperado foram destacados como “válidos” (V); os coeficientes que apresentaram
significância individual ou conjunta com sinal contrário ao esperado foram classificados como
“não válidos” (NV); os coeficientes que não apresentaram significância individual ou
conjunta foram considerados “não conclusivos” (NC).
Embora o indicador Despesa Financeira/EBIT não tenha apresentado significância
individualmente, o teste de Wald para a significância conjunta com seu termo de interação
rejeitou a hipótese nula onde os coeficientes seriam iguais a zero, o que permitiu a validação
dessa variável. O indicador Nível de Garantias também foi classificado como válido,
apresentando coeficientes significativos em todos os testes. O resultado verificado para os
demais indicadores não foram conclusivos.
Esse resultado sinaliza que a atuação do BNDES no mercado de crédito em alguma medida
torna o ciclo de negócio das empresas mais resiliente às variações do prêmio de
financiamento externo. A validação dos indicadores relacionados à condição financeira e à
capacidade das empresas de oferecer garantias é intuitiva. Conforme destacado anteriormente,
geralmente o BNDES oferta recursos em condições mais favoráveis comparativamente às
demais instituições atuantes no mercado de crédito interno. Adicionalmente, praticamente
todos os recursos oriundos dessa instituição são destinados a financiamentos de longo prazo
ligados a projetos de investimento. Dessa forma, uma maior participação desses recursos na
composição do endividamento da empresa deve ser refletida em uma melhor condição
financeira e maior capacidade para efetuar novos investimentos, reduzindo a sensibilidade do
ciclo de negócio das firmas às variações do prêmio de financiamento externo.
35
5.4 ANÁLISE DA SENSIBILIDADE DO CICLO DE NEGÓCIO SETORIAL AO PRÊMIO DE FINANCIAMENTO EXTERNO
Uma vez identificado um canal do crédito em funcionamento, as discussões devem se
concentrar em questões micro. Nesse sentido, o conhecimento sobre como os diversos setores
da economia respondem às imperfeições existentes no mercado de crédito ganha importância
na condução da política monetária e na formulação de políticas industriais verticais.
Seguindo a metodologia adotada nas últimas seções, foram criados termos de interação a
partir do produto entre os indicadores relacionados às imperfeições existentes no mercado de
crédito e variáveis binárias criadas para cada um dos setores existentes na amostra. Nesse
caso, esse exercício permitiu elencar os setores que possuem nível de atividade mais
suscetível às variações do prêmio de financiamento externo.
A amostra selecionada para esse trabalho contemplou 15 setores da economia: Agro e Pesca,
Alimentos e Bebidas, Comércio, Construção, Eletroeletrônicos, Máquinas Industriais,
Mineração, Minerais não Metálicos, Papel e Celulose, Petróleo e Gás, Química, Siderurgia e
Metalurgia, Têxtil, Transporte, e por último, Veículos e Peças.
Para obter as sensibilidades do ciclo de negócio das atividades, foi estimada uma
especificação para cada setor. Para que os coeficientes apurados sejam comparáveis, as
variáveis e os instrumentos utilizados foram os mesmos em todas as especificações. A
equação (7) denota a especificação do modelo base incluindo o termo de interação:
itititttitt
titttitttitttitt
titttitttitttitttitt
ECPSECP
NGSNGMBSMB
DFESDFEREE
νηγγγγγγ
γγγγγ
++∆+∆+∆+∆+∆+∆
+∆+∆+∆+∆+=∆
−−−−
−−−−−−−−
−−−−−−−−
)*(
)*()*(
)*(
1,4,101,4,9
1,4,81,4,71,4,61,4,5
1,4,41,4,3,4,21,4,10,4,
(7)
36
A variável binária setorial é representada na equação pelo termo S. Após avaliar a
significância dos coeficientes dos indicadores e seu respectivo termo de interação, eles foram
somados quando constatada a validade (V) e descartados caso tenham se mostrado não
conclusivos (NC). Diferentemente dos exercícios realizados nas seções anteriores, o objetivo
dessa análise é puramente empírica. Como inicialmente não existe uma hipótese teórica a ser
testada, a denominação “não válida” não é aplicável.
Devido a limitações de espaço, ao invés de reportar integralmente todas as quinze
especificações, optou-se por expor apenas os coeficientes objetos de análise desta seção22. De
uma forma geral, semelhante ao observado nos exercícios anteriores, a defasagem do
indicador Estoque/Ativo Total continuou apresentando coeficiente significativo, positivo e
inferior a um. Os testes Hansen e Difference-in-Hansen continuaram a não rejeitar a hipótese
nula de validade dos instrumentos e dos momentos amostrais adicionais do System GMM.
As tabelas 16 a 19 denotam respectivamente os coeficientes estimados para os indicadores e
termos de interação dos indicadores Despesa Financeira/EBIT, Market to Book, Nível de
Garantias e Endividamento de Curto Prazo/Ativo Total. As tabelas 20 e 21 elencam, de
acordo com o valor da soma entre os coeficientes objetos da análise, os setores com ciclos de
negócio mais sensível para cada um dos indicadores relacionados às imperfeições existentes
no mercado de crédito.
Observando as tabelas 20 e 21, o setor que mais apresentou coeficientes positivos foi o Têxtil,
com três registros (Market to Book, Nível de Garantias e Endividamento de Curto Prazo/Ativo
Total). Na seqüência, figurando duas vezes, encontram-se os setores Alimentos e Bebidas
(Despesa Financeira/EBIT e Endividamento de Curto Prazo/Ativo Total), Química (Despesa
22 Esses resultados poderão ser disponibilizados a pedidos.
37
Financeira/EBIT e Market to Book), Transporte (Market to Book e Nível de Garantias),
Veículos e Peças (Nível de Garantias e Endividamento de Curto Prazo/Ativo Total) e Papel e
Celulose (Nível de Garantias e Endividamento de Curto Prazo/Ativo Total). Por último,
figurando apenas uma vez, encontram-se os setores Agro e Pesca (Despesa Financeira/EBIT),
Eletroeletrônicos (Market to Book) e Construção (Nível de Garantias).
De uma forma geral, as atividades mais citadas são tradicionalmente marcadas por maior
pulverização. Os setores Têxtil, Química, Veículos e Peças, Eletroeletrônicos e Agro e Pesca.
Os demais setores que comparecem nessa lista (Alimentos e Bebidas, Papel e Celulose e
Transporte) não costumam ser representados por empresas pequenas. Entretanto, companhias
pertencentes aos três setores já apresentaram problemas com relação à administração de seu
endividamento, principalmente decorrente de perdas com operações de hedge cambial.
As atividades que mais comparecem na outra ponta da tabela foram observadas duas vezes:
Eletroeletrônicos (Despesa Financeira/EBIT e Endividamento de Curto Prazo/Ativo Total),
Construção (Despesa Financeira/EBIT e Market to Book), Comércio (Market to Book e Nível
de Garantias), Alimentos (Market to Book e Nível de Garantias) e Agro e Pesca (Nível de
Garantias e Endividamento de Curto Prazo/Ativo Total). Na seqüência, surgem os setores de
Mineração (Nível de Garantias), Papel e Celulose (Despesa Financeira/EBIT) e Siderurgia e
Metalurgia (Nível de Garantias).
Como o indicador Market to Book reflete o potencial de crescimento atribuído pelo mercado
às empresas, vale destacar que setores mais ligados ao consumo interno, como Construção e
Comércio, se destacaram nesse quesito, enquanto setores como Eletroeletrônicos e Têxtil, que
usualmente sofrem com a competição de produtos importados, figuraram entre os que
possuem maior sensibilidade do ciclo de negócio a esse indicador.
38
6 CONCLUSÃO
Esse trabalho avaliou a existência de fatores determinantes comuns entre a probabilidade
insolvência e o prêmio de financiamento externo e apurou em diferentes níveis a relação entre
imperfeições existentes no mercado de crédito e o ciclo de negócio corporativo.
A existência de fatores determinantes comuns entre a probabilidade de insolvência e o prêmio
de financiamento externo ratifica a escolha dos indicadores financeiros utilizados para refletir
o prêmio de financiamento externo e da insolvência como um critério a priori para medir o
grau de acesso das empresas ao mercado de crédito. Esse resultado ganha importância uma
vez que a adoção desse critério não foi identificada na literatura relacionada a este trabalho.
Os exercícios empíricos que relacionaram o ciclo de negócio das empresas com esses
indicadores sinalizaram a existência de um canal do crédito ativo no Brasil. Principalmente
após a implantação do tripé da política macroeconômica, baseado no câmbio flutuante, metas
de inflação e equilíbrio fiscal. Nesse período, onde foram observados uma redução no nível da
taxa de juros e um aumento da oferta de crédito, o resultado do exercício sinaliza um aumento
da eficácia da política monetária por meio do canal do crédito.
Os resultados dos exercícios também relataram que empresas insolventes e sem rating em
escala global para a dívida de longo prazo possuem ciclo de negócio menos resiliente às
39
variações do prêmio de financiamento externo. Assim, firmas que enfrentam restrições no
acesso ao mercado de crédito respondem de forma diferente à política monetária.
Analogamente, empresas com operações diretas junto ao BNDES apresentaram ciclo de
negócio menos sensível aos indicadores selecionados para refletir as imperfeições existentes
no mercado de crédito, o que implica em uma menor eficácia da política monetária para esse
grupo de firmas via canal do crédito. Esse resultado era esperado, uma vez que como as
operações de crédito originadas na instituição são apenas marginalmente afetadas pelas
variações da taxa de juros nominal de curto prazo, as empresas com maior acesso a esses
recursos devem apresentar maior resiliência às variações do prêmio de financiamento externo.
Enfim, foi avaliado como os diferentes setores da economia reagem às variações do prêmio de
financiamento externo. Dentro da amostra selecionada, o setor Têxtil, caracterizado
freqüentemente por uma maior pulverização, foi identificado como o menos resiliente às
imperfeições do mercado de crédito. Outros setores que comparecem nessa lista, como
Alimentos e Bebidas, Papel e Celulose e Transporte, não costumam ser representados por uma
grande quantidade de empresas pequenas, mas são compostos por firmas com histórico de
deterioração do balanço patrimonial, principalmente em decorrência do mal uso de operações
de hedge cambial. Outro ponto que merece ser destacado foi que, com relação ao indicador
que reflete o potencial de crescimento atribuído pelo mercado às empresas (Market to Book),
setores ligados ao consumo interno (Construção e Comércio) apresentaram ciclo de negócio
menos sensível do que setores que costumam sofrer mais com a concorrência de produtos
importados (Eletroeletrônicos e Têxtil). Esse resultado parece refletir custos de agência
maiores para setores abertos à concorrência externa.
Em síntese, as evidências sugerem a existência de um canal do crédito ativo no Brasil.
40
REFERÊNCIAS BIBLIOGRÁFICAS
ALDRIGHI, Dante M.; BISINHA, Rafael. (2010). “Restrição financeira em empresas com ações negociadas na Bovespa.” In: Revista Brasileira de Economia, v. 64, n. 1, p. 25-47.
ARELLANO, Manuel; BOND, Stephen (1991). ”Some tests of specification for panel data: Monte Carlo evidence and an application to employment equations”. In: Review of Economic Studies, n. 58, p. 277 -297. Londres.
ARELLANO, Manuel; BOVER, Olympia. (1995) “Another look at the instrumental-variable estimation of error-components models”. In: Journal of Econometrics, n. 68, p.29-52.
BERNANKE, Ben S.; GERTLER, Mark. (1995). “Inside the Black Box: The Credit Channel of Monetary Policy Transmission” In: Journal of Economic Perspectives, v. 9, n. 4, p. 3-10, Fall 1995.
BERNANKE, Ben S.; GERTLER, Mark; GILCHRIST, Simon. (1999). “The Financial Accelerator in a Quantitative Business Cycle Framework” In: The Handbook of Macroeconomics, v. 1c, New York: Elsevier Science Ltd.
BIONDI, Roberta L.; TONETO JR., Rudinei. (2008). “Regime de metas inflacionárias: os impactos sobre o desempenho econômico dos países”. In: Estudos Econômicos, v. 38, n. 4, p. 873-903. São Paulo (SP).
BLUNDELL, Richard. BOND, Stephen. (1998). “Initial conditions and moment restrictions in dynamic panel data models”. In: Journal of Econometrics, n. 87, p. 115-143.
BOBBA, Matteo; COVIELLO, Decio. (2006). “Weak instruments and weak identification in estimating the effects of education on democracy” In: Inter-American Development Bank (IADB), Working Paper n. 569.
BOND, Stephen (2002). “Dynamic panel data models: A guide to micro data methods and practice”. In: Institute for Fiscal Studies. Working Paper CWP09/02. Londres.
BONOMO, Marco; MARTINS, Bruno da S. (2005). “Calibrando e Simulando o Modelo do Acelerador Financeiro para a Economia Brasileira”. In: XXXIII Encontro Nacional de Economia, 2005, Natal. Anais do XXXIII Encontro Nacional de Economia.
BRITO, Giovani A. S.; ASSAF NETO, Alexandre. (2008). “Modelo de Classificação de Risco de Crédito de Empresas” In: Revista Contabilidade & Finanças, v. 19, n. 46, p. 18-29.
41
CAMERON, Adrian C.; TRIVEDI, Pravin K. (2005). “Microeconometrics: Methods and Applications”.1ª. edição. Cambridge. Cambridge University Press. CAMERON, Adrian C.; TRIVEDI, Pravin K. (2009).” Microeconometrics using Stata.” Stata Press. College Station. Texas.
CLEARY, Sean (1999). “The relationship between firm investment and financial status” In: The Journal of Finance, v. 54, p. 673-692.
CLEARY, Sean (2006). “International corporate investment and the relationship between financial constraint measures” In: The Journal of Banking & Finance, v. 30, issue 5, p. 1559-1580.
FAZZARI, Steven; HUBBARD, R. Glenn ; PETERSEN, Bruce. (1988). "Financing Constraints and Corporate Investment," In: Brookings Papers on Economic Activity, p. 141-195.
FAZZARI, Steven; HUBBARD, R. Glenn ; PETERSEN, Bruce. (2000). Investment-cash flow sensitivities are useful: a comment on Kaplan and Zingales.” In: Quarterly Journal of Economics, n. 2, p. 695-705.
GILCHRIST, Simon; HIMMELBERG, Charles P. (1995). “Evidence on the Role of Cash Flow for Investment” In: Journal of Monetary Economics, n. 36, p. 541-572.
GILCHRIST, Simon; HIMMELBERG, Charles P. (1998). “Investment, Fundamentals, and Finance” In: National Bureau of Economic Research. NBER Working paper series 6652.
GRAEVE, Ferre D. (2008). “The External Finance Premium and the Macroeconomy: US post-WWII Evidence.”In: Federal Reserve Bank of Dallas, Working Paper nº 0809.
HALL, Simon. (2001). “Credit channel effects in the monetary transmission mechanism.” In: Bank of England Quarterly Bulletin, Winter, p. 442-448.
HOLTZ-EAKIN, Douglas.; NEWEY, Whitney.; ROSEN, Harvey S. (1988). “Estimating vector autoregressions with panel data”. In: Econometrica, v. 56, n. 6, p. 1371-1395.
HUBBARD, R. Glenn. (1995). "Is There a "Credit Channel" for Monetary Policy?" In: Federal Reserve Bank of St. Louis Review, v. 77, n. 3, p. 63-77.
KAPLAN, Steven N.; ZINGALES, Luigi. (1997). "Do Financing Constraints Explain Why Investment Is Correlated with Cash Flow?" In: Quarterly Journal of Economics,CXII, p. 169-215.
KAPLAN, Steven N.; ZINGALES, Luigi. (2000). “Investment-cash flow sensitivities are not valid measures of financing constraints” In: Quarterly Journal of Economics, n. 2, p. 707-713.
MISHKIN, Frederic S. (1995). “Symposium on the Monetary Transmission Mechanism” In: Journal of Economic Perspectives, v. 9, n. 4, p. 27-48, Fall 1995.
42
MISHKIN, Frederic S. (1996). “The Channels of Monetary Transmission: Lessons for Monetary Policy” In: National Bureau of Economic Research. NBER Working paper series 5464.
OLIVEIRA, Fernando N. (2008). “Effects of Monetary Policy on Corporations in Brazil: An Empirical Analysis of the Balance Sheet Channel”. Prêmio Andima de Renda Fixa. Rio de Janeiro, julho/2008. Forthcoming Brazilian Review of Econometrics 2010.
RAJAN, Raghuram G.; ZINGALES, Luigi. (1998). “Financial Dependence and Growth”. In: American Economic Review, v.88, p. 559-586.
ROODMAN, David. (2009). “How to do xtabond2: An introduction to difference and System GMM in Stata”. In: The Stata Journal, v. 9, n. 1, p. 86-136. SANVICENTE, Antônio Z.; MINARDI, Andrea Maria A. F. (1998). “Identificação de indicadores contábeis significativos para a previsão de concordata de empresas.” In: Instituto Brasileiro de Mercado de Capitais, Working Paper, 1998.
TERRA, Maria Cristina T. (2003). “Credit constraint in Brazilian firms: Evidence from panel data.” In: Revista Brasileira de Economia, v. 57, n. 2, p. 443-464.
TORABI, Mohammad R., DING, Kele. (1998). “Selected measurement and statistical issues in health education evaluation and research”.In: The International Electronic Journal of Health Education, v.1, p. 26-38.
WINDMEIJER, Frank. (2005). “A finite sample correction for the variance of linear efficient twostep GMM estimators.” In: Journal of Econometrics, n. 126, p. 25- 51.
Tabela 1 – Indicadores financeiros
Índice FórmulaDespesa Financeira / EBIT Despesa Financeira Bruta / EBIT
Market to Book Valor de Mercado / Valor ContábilNível de garantias Imobilizado / Exigível de Longo Prazo
Endividamento CP / Ativo Total Passivo Circulante / Ativo TotalEstoques / Ativo Total Estoques / Ativo Total
Receita Op. Líquida / Ativo Total Receita Op. Líquida / Ativo Total
Nota: Indicadores financeiros utilizados nas análises e respectiva forma de cálculo.
43
Figura 1 – Indicadores financeiros utilizados nas análises
-7,5
-5
-2,5
0
2,5
5
7,53
T1
994
1T
199
53
T1
995
1T
199
63
T1
996
1T
199
73
T1
997
1T
199
83
T1
998
1T
199
93
T1
999
1T
200
03
T2
000
1T
200
13
T2
001
1T
200
23
T2
002
1T
200
33
T2
003
1T
200
43
T2
004
1T
200
53
T2
005
1T
200
63
T2
006
1T
200
73
T2
007
1T
200
83
T2
008
1T
200
93
T2
009
Despesa Financeira/EBIT
0
1
2
3
4
5
3T
1994
1T
1995
3T
1995
1T
1996
3T
1996
1T
1997
3T
1997
1T
1998
3T
1998
1T
1999
3T
1999
1T
2000
3T
2000
1T
2001
3T
2001
1T
2002
3T
2002
1T
2003
3T
2003
1T
2004
3T
2004
1T
2005
3T
2005
1T
2006
3T
2006
1T
2007
3T
2007
1T
2008
3T
2008
1T
2009
3T
2009
Market to Book
0
1
2
3
4
5
3T
199
41
T19
95
3T
199
51
T19
96
3T
199
61
T19
97
3T
199
71
T19
98
3T
199
81
T19
99
3T
199
91
T20
00
3T
200
01
T20
01
3T
200
11
T20
02
3T
200
21
T20
03
3T
200
31
T20
04
3T
200
41
T20
05
3T
200
51
T20
06
3T
200
61
T20
07
3T
200
71
T20
08
3T
200
81
T20
09
3T
200
9
Nível de Garantias
0
0,1
0,2
0,3
0,4
0,5
3T
1994
1T
1995
3T
1995
1T
1996
3T
1996
1T
1997
3T
1997
1T
1998
3T
1998
1T
1999
3T
1999
1T
2000
3T
2000
1T
2001
3T
2001
1T
2002
3T
2002
1T
2003
3T
2003
1T
2004
3T
2004
1T
2005
3T
2005
1T
2006
3T
2006
1T
2007
3T
2007
1T
2008
3T
2008
1T
2009
3T
2009
Endividamento CP/Ativo Total
0
0,04
0,08
0,12
0,16
0,2
3T1
994
1T1
995
3T1
995
1T1
996
3T1
996
1T1
997
3T1
997
1T1
998
3T1
998
1T1
999
3T1
999
1T2
000
3T2
000
1T2
001
3T2
001
1T2
002
3T2
002
1T2
003
3T2
003
1T2
004
3T2
004
1T2
005
3T2
005
1T2
006
3T2
006
1T2
007
3T2
007
1T2
008
3T2
008
1T2
009
3T2
009
Estoques/Ativo Total
0
0,1
0,2
0,3
0,4
0,5
0,6
3T
1994
1T
1995
3T
1995
1T
1996
3T
1996
1T
1997
3T
1997
1T
1998
3T
1998
1T
1999
3T
1999
1T
2000
3T
2000
1T
2001
3T
2001
1T
2002
3T
2002
1T
2003
3T
2003
1T
2004
3T
2004
1T
2005
3T
2005
1T
2006
3T
2006
1T
2007
3T
2007
1T
2008
3T
2008
1T
2009
3T
2009
Receita Op. Líquida/Ativo Total
44
Tabela 2 – Estatísticas descritivas dos indicadores financeiros
Empresas N µ σ min 25% 50% 75% maxAmostra Total
Despesa Financeira / EBIT 10072 0,60 126,57 -2539 -0,36 0,33 1,15 11321,6Market to Book 10976 1,89 14,07 -323,99 0,37 0,85 1,81 985,2
Nível de Garantias 14189 6,85 115,56 6,9E-05 0,57 1,31 2,51 8528,8Endividamento CP / Ativo Total 14923 1,53 71,55 3,8E-07 0,19 0,31 0,49 8555,3
Estoques / Ativo Total 11974 0,11 0,10 3,3E-06 3,1E-02 9,6E-02 0,17 0,72Rec. Op. Líquida / Ativo Total 11247 0,22 0,24 -14,02 0,10 0,19 0,28 2,00
SolventesDespesa Financeira / EBIT 9915 0,58 127,56 -2539 -0,35 0,33 1,14 11321,6
Market to Book 9650 1,79 10,06 -323,99 0,37 0,86 1,84 501,6Nível de Garantias 12500 6,17 88,75 6,9E-05 0,51 1,33 2,605349,0
Endividamento CP / Ativo Total 13199 1,68 76,08 3,8E-07 0,20 0,32 0,51 8555,3Estoques / Ativo Total 10441 0,13 9,8E-02 3,3E-06 5,4E-02 1,13E-01 0,18 0,72
Rec. Op. Líquida / Ativo Total 9755 0,23 0,25 -14,02 0,11 0,20 0,30 2,00
InsolventesDespesa Financeira / EBIT 157 1,79 11,00 -24,16 -0,92 0,38 2,28 88,92
Market to Book 125 -0,26 5,39 -32,36 -0,42 -5,7E-02 0,50 13,54Nível de Garantias 197 0,94 0,89 7,7E-03 0,22 0,73 1,47 7,18
Endividamento CP / Ativo Total 197 0,89 1,51 0,10 0,38 0,58 0,86 13,88Estoques / Ativo Total 183 0,15 0,12 3,13E-04 6,4E-02 9,3E-02 0,24 0,52
Rec. Op. Líquida / Ativo Total 158 0,27 0,22 -0,20 1,3E-01 0,23 0,40 1,05
Com RatingDespesa Financeira / EBIT 1097 6,16E-01 17,24 -289,25 0,06 0,33 0,95 334,33
Market to Book 1172 2,17 3,58 -26,42 0,73 1,51 2,78 73,18Nível de Garantias 1206 1,97 5,16 1,7E-03 0,81 1,31 2,00 138,02
Endividamento CP / Ativo Total 1240 0,26 0,30 3,8E-07 0,16 0,23 0,31 9,75Estoques / Ativo Total 1176 0,10 8,3E-02 1,4E-03 4,1E-028,4E-02 0,14 0,51
Rec. Op. Líquida / Ativo Total 1087 0,20 0,18 -8,3E-06 0,10 0,17 0,23 1,25
Sem RatingDespesa Financeira / EBIT 8975 5,94E-01 133,95 -3E+03 -4,7E-01 0,33 1,19 11321,60
Market to Book 8603 1,71 10,59 -323,99 0,33 0,78 1,67 501,59Nível de Garantias 11491 6,52 92,55 6,9E-05 0,46 1,32 2,675349,00
Endividamento CP / Ativo Total 12156 1,82 79,28 1,9E-05 0,20 0,34 0,54 8555,29Estoques / Ativo Total 9448 0,13 9,9E-02 3,3E-06 5,7E-021,16E-01 0,19 0,72
Rec. Op. Líquida / Ativo Total 8826 0,23 0,25 -1,4E+01 0,11 0,21 0,31 2,00
Parte A: Descrição dos dados sem ajuste
45
Tabela 2– Estatísticas descritivas dos indicadores financeiros (continuação)
Empresas N µ σ min 25% 50% 75% maxAmostra Total
Despesa Financeira / EBIT 10032 -0,12 13,66 -264,1 -0,35 0,33 1,15 145,9Market to Book 9745 1,58 3,96 -22,72 0,37 0,85 1,81 73,2
Nível de Garantias 12651 3,24 11,32 7,9E-04 0,51 1,32 2,56 385,2Endividamento CP / Ativo Total 13244 0,44 0,54 1,9E-04 0,20 0,32 0,51 7,8
Estoques / Ativo Total 10591 0,13 0,10 2,2E-05 5,4E-02 1,12E-01 0,18 0,5Rec. Op. Líquida / Ativo Total 9869 0,23 0,18 -0,05 0,11 0,20 0,30 1,7
SolventesDespesa Financeira / EBIT 9875 -0,15 13,70 -264,1 -0,34 0,33 1,14 145,9
Market to Book 9622 1,60 3,96 -22,72 0,38 0,86 1,83 73,18Nível de Garantias 12454 3,28 11,41 7,9E-04 0,51 1,33 2,59 385,2
Endividamento CP / Ativo Total 13050 0,43 0,54 1,9E-04 0,20 0,32 0,50 7,8Estoques / Ativo Total 10410 0,13 0,10 2,2E-05 5,4E-02 1,12E-01 0,18 0,48
Rec. Op. Líquida / Ativo Total 9713 0,23 0,18 -0,05 0,11 0,20 0,30 1,72
InsolventesDespesa Financeira / EBIT 157 1,79 11,00 -24,16 -0,92 0,38 2,28 88,92
Market to Book 123 0,23 3,81 -20,60 -0,42 -4,6E-02 0,50 13,54Nível de Garantias 197 0,94 0,89 7,7E-03 0,22 0,73 1,47 7,18
Endividamento CP / Ativo Total 194 0,73 0,67 0,10 0,37 0,57 0,81 5,92Estoques / Ativo Total 181 0,14 0,11 3,1E-04 6,4E-02 9,2E-02 0,24 0,47
Rec. Op. Líquida / Ativo Total 156 0,28 0,21 2,1E-04 0,13 0,23 0,40 1,05
Com RatingDespesa Financeira / EBIT 1095 5,8E-01 10,92 -208,69 0,06 0,33 0,95 144,40
Market to Book 1170 2,22 3,40 -13,04 0,73 1,52 2,78 73,18Nível de Garantias 1206 1,97 5,16 1,7E-03 0,81 1,31 2,00 138,02
Endividamento CP / Ativo Total 1231 0,25 0,13 3,3E-04 0,17 0,23 0,32 0,88Estoques / Ativo Total 1174 0,10 0,08 1,4E-03 4,1E-02 8,4E-02 0,14 0,44
Rec. Op. Líquida / Ativo Total 1087 0,20 0,18 -8,3E-06 0,10 0,17 0,23 1,25
Sem RatingDespesa Financeira / EBIT 8937 -2,1E-01 13,96 -3E+02 -4,6E-01 0,33 1,18 145,94
Market to Book 8575 1,50 4,02 -22,72 0,33 0,78 1,66 72,14Nível de Garantias 11445 3,38 11,78 7,9E-04 0,47 1,32 2,66385,24
Endividamento CP / Ativo Total 12013 0,46 0,56 1,9E-04 0,20 0,34 0,53 7,76Estoques / Ativo Total 9417 0,13 0,10 2,2E-05 5,7E-02 1,16E-01 0,19 0,48
Rec. Op. Líquida / Ativo Total 8782 0,23 0,18 -5,3E-02 0,11 0,21 0,31 1,72* Corte dos dados em 0,2 percentil.
Parte B: Descrição dos dados com ajuste*
Nota: Nas análises, foi utilizado um painel não balanceado construído a partir de dados obtidos no Economática e na CVM, referentes às demonstrações contábeis de companhias de capital aberto não-financeiras listadas na Bovespa, entre o terceiro trimestre de 1994 e o terceiro trimestre de 2009. Na tabela são apresentadas as estatísticas descritivas antes e após o corte dos outliers.
46
Tabela 3 – Empresas utilizadas na amostra
Agro e Pesca 5 0 0 5
3036
17
Sem rating
Alimentos 7
0
16
Comércio Varejista
26Construção Civil
Eletroeletrônico
0
0
2
Mineração
7
Minerais não Metálicos 4
6
3
4
Siderúrgia e Metalúrgia
1114 1Transporte
34
0
0
Maquinas Industriais 7
Setor Solventes Insolventes Com rating
30
14
1
Papel e Celulose
33
Petróleo e Gás
9
25
40
Química
0
Total
0
3
Veículos e Peças
Outros
Têxtil
21
50 3
2
6
1
0
0
9
25
0
3
1
4
4
11
49
17
7
6
34
21
2
3
4
0
0
320 12 37 295
Nota: Foram excluídas da amostra (1) as empresas para as quais não foi possível calcular em nenhum dos trimestres os indicadores selecionados para as análises; (2) as empresas pertencentes ao setor financeiro, que possuem uma estrutura de capital distinta em relação às empresas do setor real; e (3) as empresas pertencentes aos setores de Telecomunicações e Energia Elétrica, detentoras de um ciclo de negócio menos sensível às variações de mercado. Após todas as exclusões, foram identificadas 12 firmas insolventes e 37 firmas com rating. A tabela relaciona essas empresas de acordo com o setor ao qual pertencem.
47
Tabela 4 – Matriz de correlação dos indicadores financeiros
Desp. Financ. / EBIT
Market to BookNível de Garantias
Endiv. CP / Ativo Total
Estoques / Ativo Total
Rec. Op. Líq. / Ativo Total
Desp. Financ. / EBIT
1
Market to Book 0,0195 1
Nível de Garantias
-0,0054 -0,0352 1
Endiv. CP / Ativo Total
-0,0342 -0,0486 -0,0424 1
Estoques / Ativo Total
-0,0115 0,0397 0,0062 0,072 1
Rec. Op. Líq. / Ativo Total
0,0069 0,0496 0,0142 0,1193 0,2712 1
Tabela 5 – Testes para a média: empresas solventes x empresas insolventes
Despesa Financeira / EBIT
p Valor
(HA: µs- µi ≠ 0) (HA: µs- µi < 0) (HA: µs- µi > 0)
Amostra Total 10032 -0,12
Solventes 9875 -0,15 0,077 0,038 0,962
Insolventes 157 1,79
p Valor
(HA: µs- µi ≠ 0) (HA: µs- µi < 0) (HA: µs- µi > 0)
Amostra Total 9745 1,58
Solventes 9622 1,60 0,000 1,000 0,000
Insolventes 123 0,23
p Valor
(HA: µs- µi ≠ 0) (HA: µs- µi < 0) (HA: µs- µi > 0)
Amostra Total 12651 3,24
Solventes 12454 3,28 0,004 0,998 0,002
Insolventes 197 0,94
Empresas N µ
H0: µsolventes- µinsolventes = 0
Empresas N µ
Nível de Garantias
Empresas N µ
Market to Book
48
Tabela 5 – Testes para a média: empresas solventes x empresas insolventes (continuação)
p Valor
(HA: µs- µi ≠ 0) (HA: µs- µi < 0) (HA: µs- µi > 0)
Amostra Total 13244 0,44
Solventes 13050 0,43 0,000 0,000 1,000
Insolventes 194 0,73
p Valor
(HA: µs- µi ≠ 0) (HA: µs- µi < 0) (HA: µs- µi > 0)
Amostra Total 10591 0,128
Solventes 10410 0,127 0,015 0,007 0,993
Insolventes 181 0,145
p Valor
(HA: µs- µi ≠ 0) (HA: µs- µi < 0) (HA: µs- µi > 0)
Amostra Total 9869 0,229
Solventes 9713 0,228 0,001 0,000 1,000
Insolventes 156 0,278
Rec. Op. Líquida / Ativo Total
Empresas N µ
Estoques / Ativo Total
Empresas N µ
Empresas N µ
Endividamento CP / Ativo Total
Nota: A Tabela 5 disponibiliza os resultados dos testes para averiguar a diferença entre as médias dos indicadores de acordo com o critério de insolvência. A hipótese nula de que as empresas solventes e insolventes possuem indicadores com médias iguais foi avaliada contra três hipóteses alternativas: as médias não são iguais, a média do indicador para empresas insolventes supera a verificada pelas empresas solventes e a média do indicador para empresas insolventes é inferior à verificada para empresas solventes.
49
Tabela 6 – Testes para a média: empresas com rating x empresas sem rating
Despesa Financeira / EBIT
p Valor
(HA: µsr- µcr≠0) (HA: µsr- µcr<0) (HA: µsr- µcr>0)
Amostra Total 10032 -0,12
Com Rating 1095 0,58 0,073 0,037 0,964
Sem Rating 8937 -0,21
p Valor
(HA: µsr- µcr≠0) (HA: µsr- µcr<0) (HA: µsr- µcr>0)
Amostra Total 9745 1,58
Com Rating 1170 2,22 0,000 0,000 1,000
Sem Rating 8575 1,50
p Valor
(HA: µsr- µcr≠0) (HA: µsr- µcr<0) (HA: µsr- µcr>0)
Amostra Total 12651 3,24
Com Rating 1206 1,97 0,000 1,000 0,000
Sem Rating 11445 3,38
p Valor
(HA: µsr- µcr≠0) (HA: µsr- µcr<0) (HA: µsr- µcr>0)
Amostra Total 13244 0,44
Com Rating 1231 0,25 0,000 1,000 0,000
Sem Rating 12013 0,46
p Valor
(HA: µsr- µcr≠0) (HA: µsr- µcr<0) (HA: µsr- µcr>0)
Amostra Total 10591 0,13
Com Rating 1174 0,10 0,000 1,000 0,000
Sem Rating 9417 0,13
µ
Estoques / Ativo Total
Empresas N
H0: µsem rating - µcom rating = 0
µEmpresas N
Empresas N
Endividamento CP / Ativo Total
Market to Book
µ
Nível de Garantias
Empresas N µ
Empresas N µ
50
Tabela 6 – Testes para a média: empresas com rating x empresas sem rating (continuação)
p Valor
(HA: µsr- µcr≠0) (HA: µsr- µcr<0) (HA: µsr- µcr>0)
Amostra Total 9869 0,23
Com Rating 1087 0,20 0,000 1,000 0,000
Sem Rating 8782 0,23
Rec. Op. Líquida / Ativo Total
Empresas N µ
Nota: A Tabela 6 disponibiliza os resultados dos testes para averiguar a diferença entre as médias dos indicadores de acordo com o critério de existência de rating em escala global para a dívida de longo prazo das empresas. A hipótese nula de que as empresas sem e com rating possuem indicadores com médias iguais foi avaliada contra três hipóteses alternativas: as médias não são iguais, a média do indicador para empresas com rating supera a verificada pelas empresas sem rating e a média do indicador para empresas com rating é inferior à verificada para empresas sem rating.
51
Figura 2 – Função de Kaplan Meier avaliando a probabilidade de insolvência em relação à duração do evento para a amostra total de empresas
0,00
0,25
0,50
0,75
1,00
0 20 40 60analysis time
Kaplan-Meier survival estimate
Figura 3 – Função de Kaplan Meier avaliando a probabilidade de insolvência em relação à duração do evento entre empresas solventes e insolventes
0,00
0,25
0,50
0,75
1,00
0 20 40 60analysis time
Solvente = 0 Insolvente = 1
Kaplan-Meier survival estimates
Nota: A figura 2 traz o resultado da estimação de Kaplan Meier para a amostra total de empresas. A figura 3 contém o resultado da estimação de Kaplan Meier, distinguindo a amostra entre empresas solventes e insolventes respectivamente. Os resultados apurados pela métrica evidenciam que ao passar do tempo a probabilidade das empresas passarem do estado de solvência para o estado de insolvência é reduzida. Como segundo resultado, o estimador de Kaplan Meier verificado entre empresas insolventes é muito distinto do averiguado para empresas solventes e para a amostra total.
52
Tabela 7 – Modelos de probabilidade não-linear para apurar a relação entre a probabilidade de insolvência e as imperfeições existentes no mercado de crédito
Modelo Logit Complementary Log Log:
Variável Dependente ln(p/(1-p)) ln(-ln(1-p))
Constante -4,067 -4,037( 0,000 ) ( 0,000 )
Despesa Financeira / EBIT 0,0104 0,010( 0,024) ( 0,023)
Market to Book -0,148 -0,132( 0,011) ( 0,000)
Nível de Garantias -0,822 -0,831( 0,107 ) ( 0,118 )
Endividamento CP / Ativo Total 0,336 0,317( 0,033 ) ( 0,021 )
Estoques / Ativo Total 4,934 4,705( 0,087 ) ( 0,069 )
Wald chi-quadrado(5) 26,43 26,43
Amostra 3T1994 - 3T2009 3T1994 - 3T2009
Nota: Os modelos foram estimados com dados empilhados (pooled cross sections) e erros-padrões robustos ajustados para correlação intra-empresa (cluster). A Tabela 7 traz os parâmetros obtidos em ambas as especificações. Os resultados apresentados pelo modelo Logit e Complementary Log Log pouco diferiram.
53
Figura 4 – Gráficos para a probabilidade de insolvência condicional avaliada na média: Despesa Financeira/EBIT e Market to Book
01
0,2
0,4
0,6
0,8
Pr(
d =
1 |
X =
Méd
ia, D
espe
sa F
inan
ceira
/EB
IT)
0 500 1000 1500Despesa Financeira / EBIT
Complementary Log Log Logit
01
0,2
0,4
0,6
0,8
Pr(
d =
1 |
X =
Méd
ia, M
arke
t to
Boo
k)
-100 -80 -60 -40 -20 0Market to Book
Complementary Log Log Logit
Figura 5 – Gráficos para a probabilidade de insolvência condicional avaliada na média: Nível de Garantias e Endividamento de Curto Prazo/Ativo Total
01
0,2
0,4
0,6
0,8
Pr(
d =
1 |
X =
Méd
ia,
Nív
el d
e G
aran
tias)
-15 -10 -5 0 5Nível de Garantias
Complementary Log Log Logit
01
0,2
0,4
0,6
0,8
Pr(
d =
1 |
X =
Méd
ia,
End
ivid
amen
to C
P/A
tivo
Tot
al)
0 20 40Endividamento CP/Ativo Total
Complementary Log Log Logit
Figura 6 – Gráfico para a probabilidade de insolvência condicional avaliada na média: Estoque/Ativo Total
01
0,2
0,4
0,6
0,8
Pr(
d =
1 |
X =
Méd
ia,
Est
oque
s/A
tivo
Tot
al)
0 1 2 3Estoques/Ativo Total
Complementary Log Log Logit
Nota: Os gráficos denotam a probabilidade de insolvência condicional a cada um dos indicadores financeiros utilizados para refletir o prêmio de financiamento externo, avaliando os demais na média. Ou seja, cada gráfico contém as probabilidades de que p=1 para uma firma representativa com valores médios de todas as variáveis exceto o indicador financeiro destacado. Adicionalmente, para cada indicador as probabilidades obtidas pelos modelos Logit e Complementary Log Log podem ser comparadas. Nota-se que quanto maior os indicadores Despesa Financeira/EBIT, Endividamento de Curto Prazo/Ativo Total e Estoque/Ativo Total, maior a probabilidade de insolvência. Os indicadores Market to Book e Nível de Garantias se relacionam negativamente com a probabilidade de insolvência.
54
Tabela 8 – Modelo base: modelo dinâmico de dados em painel relacionando o ciclo de negócio das empresas com os indicadores relacionados com imperfeições existentes no mercado crédito
Estoques / Ativo (1)
-0,112(0,000)
0,339(0,002)
-1,03E-03(0,859)
1,69E-05(0,007)
-7,79E-05(0,124)
-0,005(0,368)
0,197(0,033)
Hansen (0,184)
Difference-in-Hansen (0,682)
Teste para autocorrelação A. Bond
(1a. Ordem) / (2a. Ordem)
Número total de instrumentos 232
n = 2484T94 - 3T09
Amostra
Constante
Estoques / Ativo Total (-1)
Rec. Op. Líquida / Ativo Total
Despesa Financeira / EBIT (-1)
Market to Book (-1)
Nível de Garantias (-1)
Endividamento CP / Ativo Total (-1)
(0,004) / (0,402)
Variável Dependente
Nota: Modelo estimado em dois estágios pelo Método dos Momentos Generalizados desenvolvido por Arellano e Bover (1995) e Blundell e Bond (1998), com erros padrões corrigidos (System GMM). A especificação inclui variáveis binárias temporais trimestrais, matriz robusta e correção de Windmeijer para os erros padrões. Para as estimações, foram excluídas também as empresas pertencentes ao setor “Outros”. Os instrumentos utilizados são listados a seguir.
Lista de Instrumentos: - Equação em Nível:
GMM Type: ∆(Estoque/Ativo Total)t-2 e ∆(Rec. Op. Líquida/Ativo Total)t-1; Standard: Taxa Selic, variáveis binárias trimestrais e as demais variáveis explicativas listadas.
- Equação em Diferenças: GMM Type: Estoque/Ativo Totalt-3; Standard: Primeira diferença dos instrumentos Standard utilizados para a Equação em Nível (exceto as variáveis binárias trimestrais).
55
Tabela 9 – Estimando o modelo base para o período antes e depois da implantação do tripé da economia brasileira (câmbio flutuante, metas de inflação e equilíbrio fiscal)
(2) (3)
-0,019 -2,540(0,722) (0,503)
0,163 0,529(0,000) (0,000)
4,76E-01 -6,17E-03(0,001) (0,392)
2,62E-04 2,41E-05(0,271) (0,085)
-1,12E-03 -8,92E-05(0,855) (0,068)
0,045 -0,011(0,286) (0,040)
0,182 0,186(0,170) (0,083)
Hansen (0,387) (0,274)
Difference-in-Hansen (0,686) (0,418)
Teste para autocorrelação A. Bond
(1a. Ordem) / (2a. Ordem)
Número total de instrumentos 60 165
n = 70 n = 2144T94 - 4T98 4T99 - 3T09
Amostra
Constante
Estoques / Ativo Total (-1)
Rec. Op. Líquida / Ativo Total
Despesa Financeira / EBIT (-1)
Market to Book (-1)
Nível de Garantias (-1)
Endividamento CP / Ativo Total (-1)
(0,104) / (0,828)
Variável Dependente
(0,005) / (0,304)
Nota: Modelo estimado em dois estágios pelo Método dos Momentos Generalizados desenvolvido por Arellano e Bover (1995) e Blundell e Bond (1998), com erros padrões corrigidos (System GMM). A especificação inclui variáveis binárias temporais trimestrais, matriz robusta e correção de Windmeijer para os erros padrões. Para as estimações, foram excluídas também as empresas pertencentes ao setor “Outros”. A escolha dos instrumentos seguiu a mesma regra do modelo base apresentado na tabela 8.
56
Tabela 10 – Avaliando a sensibilidade do ciclo de negócio das firmas entre grupos com grau de acessibilidade ao mercado de crédito distinto.
Variável DependenteDummy de Iteração (1) Insolvência (2) Rating
-2,365 -2,667(0,522) (0,504)
0,527 0,534(0,000) (0,000)
-6,07E-03 -6,43E-03(0,395) (0,378)
2,41E-05 2,49E-05(0,082) (0,120)
(Despesa Financeira / EBIT) 4,61E-02 -5,75E-05x Dummy de Iteração (-1) (0,024) (0,481)
-8,95E-05 -9,28E-05(0,066) (0,055)
(Market to Book) -1,03E-01 -3,26E-02 x Dummy de Iteração (-1) (0,502) (0,365)
-0,011 -0,012(0,040) (0,018)
(Nível de Garantias) -0,437 0,027x Dummy de Iteração (-1) (0,225) (0,027)
0,187 0,201(0,083) (0,073)
(Endividamento CP / Ativo Total) -0,276 -0,185x Dummy de Iteração (-1) (0,648) (0,082)
Hansen (0,277) (0,290)
Difference-in-Hansen (0,287) (0,406)
Teste para autocorrelação A. Bond
(1a. Ordem) / (2a. Ordem)
Número total de observações 169 169
Amostra n = 214 4T99 - 3T09 N = 3560
Rec. Op. Líquida / Ativo Total
Estoques / Ativo Total (-1)
Constante
Nível de Garantias (-1)
Endividamento CP / Ativo Total (-1)
Estoques / Ativo Total
Despesa Financeira / EBIT (-1)
Market to Book (-1)
(0,006) / (0,331) (0,005) / (0,331)
Nota: Modelo estimado em dois estágios pelo Método dos Momentos Generalizados desenvolvido por Arellano e Bover (1995) e Blundell e Bond (1998), com erros padrões corrigidos (System GMM). A especificação inclui variáveis binárias temporais trimestrais, matriz robusta e correção de Windmeijer para os erros padrões. Para as estimações, foram excluídas também as empresas pertencentes ao setor “Outros”. A escolha dos instrumentos seguiu a mesma regra do modelo base apresentado na tabela 8.
57
Tabela 11 – Testes de Wald: especificação incluindo variável criada a partir da interação entre o componente do prêmio de financiamento externo e variável binária de insolvência
Teste de Wald ConclusãoH0: A = B = 0 dos Testes
Despesa Financeira / 2,41E-05 4,61E-02EBIT (-1) (0,082) (0,024)
-8,95E-05 -1,03E-01(0,066) (0,502)
-0,011 -0,437(0,040) (0,225)
Endividamento CP / 0,187 -0,276Ativo Total (-1) (0,083) (0,648)
0,0834 NV
Incluindo dummy de insolvência
V
0,1235 NC
0,0293 V
Market to Book (-1)
Nível de Garantias (-1)
SetorCoeficiente do
componente (A)Coeficiente da iteração (B)
0,0002
Tabela 12 – Teste de Wald: especificação incluindo variável criada a partir da interação entre o componente do prêmio de financiamento externo e variável binária para a existência de rating.
Teste de Wald ConclusãoH0: A = B = 0 dos Testes
Despesa Financeira / 2,49E-05 -5,75E-05EBIT (-1) (0,120) (0,481)
-9,28E-05 -3,26E-02(0,055) (0,365)
-0,012 0,027(0,018) (0,027)
Endividamento CP / 0,201 -0,185Ativo Total (-1) (0,073) (0,082)
Incluindo dummy para existência de rating
0,1989 V
SetorCoeficiente do
componente (A)Coeficiente da iteração (B)
NC
Market to Book (-1) 0,1051 NC
Nível de Garantias (-1) 0,0308 V
0,2163
Nota: Para avaliar a significância dos parâmetros dos indicadores relacionados às imperfeições do mercado de crédito, além do teste de significância individual de cada termo, foi realizado um teste de Wald para a significância conjunta entre cada indicador e seu respectivo termo de interação. As tabelas 11 e 12 resumem respectivamente os parâmetros dos indicadores, termos de interação e testes de significância para a especificação incluindo a variável binária de insolvência e para a variável binária que indica a existência de rating. Os coeficientes que apresentaram significância individual ou conjunta e sinal de acordo com o esperado foram destacados como “válidos” (V). Os coeficientes que apresentaram significância individual ou conjunta com sinal contrário ao esperado foram classificados como “não válidos” (NV). Os coeficientes que não apresentaram significância individual ou conjunta foram considerados “não conclusivos” (NC).
58
Tabela 13 – Relação das empresas identificadas na amostra com operações de financiamento contratadas diretamente com o BNDES
Com operações Sem operações diretas no BNDES diretas no BNDES
Setor
Comércio Varejista
27Construção Civil 3
4
7 10
Alimentos 15 22
Maquinas Industriais 3
4
Eletroeletrônico 3 13
Minerais não Metálicos 0
3
Mineração 4 2
Petróleo e Gás 6
29
Papel e Celulose 5 4
Siderúrgia e Metalúrgia 11
11
Química 11 17
Transporte 4
Têxtil 3 31
Agro e Pesca 0
Veículos e Peças 3 19
5
449Outros
Total 87 245
Nota: Relação de empresas identificadas na amostra com operações diretas junto ao BNDES de acordo com o setor. Foram identificadas as companhias pertencentes à amostra que financiaram projetos de grande porte com a instituição nos últimos anos.
59
Tabela 14 – Avaliando o “efeito BNDES”
Variável Dependente Estoques / Ativo TotalDummy de Iteração BNDES
-2,729(0,513)
0,529(0,000)
-6,74E-03(0,386)
1,27E-04(0,683)
(Despesa Financeira / EBIT) -1,09E-04x Dummy de Iteração (-1) (0,724)
-9,02E-05(0,077)
(Market to Book) -2,59E-02 x Dummy de Iteração (-1) (0,338)
-0,011(0,034)
(Nível de Garantias) 0,025x Dummy de Iteração (-1) (0,012)
0,2120,083
-0,1780,142
Hansen (0,405)
Difference-in-Hansen (0,472)
Teste para autocorrelação A. Bond
(1a. Ordem) / (2a. Ordem)
Número total de observações 169
Amostra
(0,005) / (0,336)
(Endividamento CP / Ativo Total)
Nível de Garantias (-1)
Endividamento CP / Ativo Total (-1)
Despesa Financeira / EBIT (-1)
Market to Book (-1)
Rec. Op. Líquida / Ativo Total
Estoques / Ativo Total (-1)
Constante
Nota: Modelo estimado em dois estágios pelo Método dos Momentos Generalizados desenvolvido por Arellano e Bover (1995) e Blundell e Bond (1998), com erros padrões corrigidos (System GMM). A especificação inclui variáveis binárias temporais trimestrais, matriz robusta e correção de Windmeijer para os erros padrões. Para as estimações, foram excluídas também as empresas pertencentes ao setor “Outros”. A escolha dos instrumentos seguiu a mesma regra do modelo base apresentado na tabela 8.
60
Tabela 15 – Teste de Wald: especificação incluindo variável criada a partir da interação entre o componente do prêmio de financiamento externo e a variável binária BNDES.
Teste de Wald ConclusãoH0: A = B = 0 dos Testes
Despesa Financeira / 1,27E-04 -1,09E-04EBIT (-1) (0,683) (0,724)
-9,02E-05 -2,59E-02
(0,077) (0,338)
-0,011 0,025(0,034) (0,012)
Endividamento CP / 0,212 -0,178Ativo Total (-1) 0,083 0,142
0,1713 NC
SetorCoeficiente do
componente (A)Coeficiente da iteração (B)
0,0237
Incluindo dummy para efeito BNDES
V
Market to Book (-1) 0,1173 NC
Nível de Garantias (-1) 0,0183 V
Nota: Para avaliar a significância dos parâmetros dos indicadores relacionados às imperfeições do mercado de crédito, além do teste de significância individual de cada termo, foi realizado um teste de Wald para a significância conjunta entre cada indicador e seu respectivo termo de interação. A tabela 15 resume respectivamente os parâmetros, termos de interação e testes de significância para a especificação incluindo a variável binária que indica a existência de operações diretas junto ao BNDES. Os coeficientes que apresentaram significância individual ou conjunta e sinal de acordo com o esperado foram destacados como “válidos” (V). Os coeficientes que apresentaram significância individual ou conjunta com sinal contrário ao esperado foram classificados como “não válidos” (NV). Os coeficientes que não apresentaram significância individual ou conjunta foram considerados “não conclusivos” (NC).
61
Nota: Para apurar a sensibilidade setorial, foi estimada uma especificação do modelo para cada um dos setores. Devido a limitações de espaço, ao invés de reportar integralmente todas as quinze especificações, optou-se por expor apenas os coeficientes objetos da análise. As tabelas 16 a 19 relatam esses parâmetros, elencados pelos indicadores relacionados às imperfeições existentes no mercado de crédito. Também são relatados os resultados dos testes de Wald. Após avaliar a significância dos coeficientes dos indicadores e seu respectivo termo de interação, eles foram somados quando constatada a validade (V) e descartados quando se mostraram não conclusivos (NC).
Tabela 16 – Avaliando a sensibilidade dos setores às imperfeições do mercado de crédito Despesa Financeira/EBIT
Teste de Wald SomaH0: A = B = 0 (A + B)
1,83E-05 9,31E-05(0,010) (0,571)
2,57E-05 -2,02E-04(0,154) (0,840)
2,62E-05 -4,92E-04(0,153) (0,000)
2,67E-05 -9,64E-05(0,163) (0,017)
2,56E-05 -4,93E-04(0,151) (0,318)
2,58E-05 2,11E-03(0,190) (0,263)
2,59E-05 1,42E-05(0,201) (0,747)
2,59E-05 -4,68E-04(0,156) (0,030)
2,55E-05 2,54E-03(0,119) (0,730)
7,24E-05 -5,21E-05(0,479) (0,612)
2,71E-05 -6,43E-05(0,167) (0,196)
2,54E-05 6,42E-05(0,151) (0,791)
2,54E-05 -2,92E-04(0,119) (0,866)
2,55E-05 2,99E-04(0,143) (0,760)
2,59E-05 4,10E-03(0,166) (0,526)
--
--
--
--
--
--
-4,42E-04
--
2,03E-05
--(0,368)
(0,327)
(0,282)
(0,280)
(0,332)
1,11E-04
--
-4,66E-04
-6,97E-05
--(0,220)
(0,410)
(0,277)
(0,036)
(0,285)
(0,001)
Maquinas Industriais
Mineração
SetorCoeficiente do componente (A)
Coeficiente da iteração (B)
Minerais não Metálicos
Papel e Celulose
Petróleo e Gás
Química
Agro e Pesca
Siderúrgia e Metalúrgia
Têxtil
Transporte
Veículos e Peças
Alimentos
Comércio Varejista
Construção Civil
Eletroeletrônico
(0,026)
(0,338)
(0,000)
(0,059)
62
Tabela 17 – Avaliando a sensibilidade dos setores às imperfeições do mercado de crédito: Market to Book
Teste de Wald SomaH0: A = B = 0 (A + B)
1,23E-04 -2,22E-04(0,844) (0,736)
-9,41E-05 9,06E-05(0,032) (0,550)
-9,23E-05 -4,06E-04(0,029) (0,992)
-9,26E-05 5,49E-03(0,040) (0,068)
-9,23E-05 -6,68E-02(0,070) (0,383)
-9,04E-05 -6,15E-02(0,162) (0,471)
-8,99E-05 -1,72E-02(0,430) (0,548)
-9,21E-05 -4,30E-030,056 (0,779)
-9,11E-05 -1,27E-02(0,106) (0,887)
-9,55E-05 6,08E-03(0,000) (0,034)
-9,18E-05 3,57E-04(0,059) (0,851)
-9,27E-05 2,49E-03(0,000) (0,735)
-9,43E-05 6,14E-02(0,046) (0,004)
-9,04E-05 -2,02E-03(0,069) (0,547)
-9,24E-05 2,12E-02(0,053) (0,000)
(0,138) --
(0,000) 2,11E-02
(0,167) --
(0,000) 2,40E-03
(0,002) 6,13E-02
--
Petróleo e Gás (0,218) --
(0,000) 5,98E-03Química
5,40E-03
--
Mineração (0,271) --
Minerais não Metálicos (0,563) --
-9,91E-05
Comércio -3,50E-06
Construção (0,091) -4,98E-04
Alimentos e Bebidas (0,060)
Eletroeletrônicos (0,0181)
Papel e Celulose (0,153)
Siderurgia e Metalurgia
Têxtil
Transporte
(0,0959)
(0,1380)
SetorCoeficiente do
componente (A)Coeficiente da iteração (B)
Veículos e Peças
Agro e Pesca
Máquinas Industriais
63
Tabela 18 – Avaliando a sensibilidade dos setores às imperfeições do mercado de crédito: Nível de Garantias
Teste de Wald SomaH0: A = B = 0 (A + B)
-1,02E-02 -9,45E-02(0,057) (0,437)
-1,22E-02 1,01E-02(0,029) (0,137)
-1,35E-02 3,50E-02(0,003) (0,001)
-1,06E-02 -3,75E-03(0,043) (0,97\3)
-1,07E-02 3,84E-02(0,036) (0,653)
-2,63E-03 -1,45E-020,711 (0,219)
-1,07E-02 3,13E-03(0,037) (0,977)
-1,07E-02 2,47E-02(0,036) (0,520)
-1,06E-02 -3,85E-03(0,037) (0,968)
-1,04E-02 -2,41E-02(0,045) (0,413)
-9,62E-03 -7,04E-03(0,121) (0,520)
-1,13E-02 5,20E-02(0,023) (0,077)
-1,10E-02 4,86E-02(0,028) (0,391)
-1,12E-02 1,20E-01(0,022) (0,055)
-1,04E-02 -4,29E-020,045 0,119
Agro e Pesca (0,028)
Têxtil (0,028)
Transporte (0,068)
Veículos e Peças (0,009)
Petróleo e Gás (0,104)
Química (0,065)
Siderurgia e Metalurgia (0,012)
Mineração (0,0173)
Minerais não Metálicos (0,103)
Papel e Celulose (0,060)
Setor
Alimentos e Bebidas (0,091)
Comércio (0,089)
Coeficiente do componente (A)
Coeficiente da iteração (B)
1,09E-01
-5,34E-02
(0,000)
Eletroeletrônicos (0,119)
Máquinas Industriais
--
-1,67E-02
Construção
(0,106)
-1,05E-01
-2,05E-03
2,15E-02
--
--
-1,71E-02
1,41E-02
--
-3,45E-02
4,07E-02
3,76E-02
64
Tabela 19 – Avaliando a sensibilidade dos setores às imperfeições do mercado de crédito: Endividamento de Curto Prazo
Teste de Wald SomaH0: A = B = 0 (A + B)
2,67E-02 5,61E-01(0,501) (0,000)
1,97E-01 -2,60E-01(0,060) (0,154)
1,99E-01 -9,82E-02(0,063) (0,421)
2,06E-01 -3,60E-01(0,048) (0,003)
1,93E-01 -1,95E-01(0,061) (0,222)
1,91E-01 -7,60E-02(0,060) (0,558)
1,91E-01 -1,14E-02(0,061) (0,923)
1,99E-01 -1,41E-01(0,057) (0,109)
1,89E-01 5,86E-02(0,069) (0,735)
2,03E-01 -1,18E-01(0,059) (0,171)
1,99E-01 -8,45E-02(0,067) (0,515)
2,35E-01 -2,20E-01(0,036) (0,050)
1,97E-01 -1,68E-01(0,062) (0,308)
1,94E-01 -4,86E-02(0,072) (0,667)
1,94E-01 -2,94E-01(0,058) (0,016)
(0,000) 1,45E-01
(0,052)
Química
Veículos e Peças
Agro e Pesca -9,95E-02
Têxtil (0,112) 1,49E-02
Transporte (0,174) --
(0,168) --
Siderurgia e Metalurgia (0,114) --
Papel e Celulose (0,161) 5,82E-02
Petróleo e Gás (0,114) --
Mineração (0,141) --
Minerais não Metálicos (0,132) --
Eletroeletrônicos (0,013) -1,54E-01
Máquinas Industriais (0,169) --
5,88E-01
Comércio (0,157) --
Setor
--Construção (0,172)
Alimentos e Bebidas (0,000)
Coeficiente do componente (A)
Coeficiente da iteração (B)
65
Nota: Os resultados relatados nas tabelas 16 a 19 foram organizados nas tabelas 20 e 21. Os dados relatam a sensibilidade do ciclo de negócio setorial apurado para cada um dos indicadores relacionados ao prêmio de financiamento externo. A ordenação foi realizada pela soma dos coeficientes do indicador e do respectivo termo de interação, retratando atividade que possui ciclo de negócio mais sensível para a atividade que possui ciclo menos sensível às variações do prêmio de financiamento externo.
Tabela 20 – Relação dos setores de acordo com a sensibilidade de seu ciclo de negócio ao prêmio de financiamento externo: Despesa Financeira/EBIT e Market to Book.
Coeficiente Total Coeficiente Total(A+B) (A+B)
--
7
--
--
--
--
----
--
--
--
1
2
3
4
5
66
--
--
--
--
--
1
2
5
3
Ranking Ranking
4
--
--
--
-4,98E-04
--
--
--
--
--
--
--
--
--
Mineração
6,13E-02
5,98E-03
5,40E-03
2,40E-03
-3,50E-06
-9,91E-05
--
--
--
--
--
--
2,11E-02
1,11E-04
2,03E-05
-6,97E-05
-4,42E-04
-4,66E-04
Setor
Agro e Pesca
Alimentos
Química
Eletroeletrônico
Setor
Transporte
Química
Eletroeletrônico
Papel e Celulose
Construção Civil
Comércio Varejista
Maquinas Industriais
Mineração
Minerais não Metálicos
Petróleo e Gás
Siderúrgia e Metalúrgia
Têxtil
Transporte
Veículos e Peças
Minerais não Metálicos
Papel e Celulose
Petróleo e Gás
Siderúrgia e Metalúrgia--
Têxtil
Comércio Varejista
Alimentos
Construção Civil
Agro e Pesca
Maquinas Industriais
Veículos e Peças
Despesa Financeira / EBIT Market to Book
66
Tabela 21 – Relação dos setores de acordo com a sensibilidade de seu ciclo de negócio ao prêmio de financiamento externo: Nível de Garantias e Endividamento CP/Ativo Total.
Coeficiente Total Coeficiente Total(A+B) (A+B)
--
--
--
--
--
--
--
--
1
2
3
4
5
6
10
11
--
--
--
--
1
2
3
4
5
6
7
8
9
1,09E-01
4,07E-02Têxtil
3,76E-02
2,15E-02
1,41E-02
--
Ranking Ranking
--
--
--
--
--
----
--
5,88E-01
1,45E-01
5,82E-02
1,49E-02
-9,95E-02
-1,54E-01
--
---1,71E-02
-3,45E-02
-5,34E-02
--
-1,05E-01
--
--
Minerais não Metálicos
Petróleo e Gás
Eletroeletrônico
Maquinas Industriais
-2,05E-03
-1,67E-02
Transporte
Construção Civil
Papel e Celulose
Comércio Varejista
Siderúrgia e Metalúrgia
Transporte
Construção Civil
Maquinas Industriais
Mineração
Minerais não Metálicos
Petróleo e Gás
Química
Setor
Alimentos
Veículos e Peças
Papel e Celulose
Têxtil
Agro e Pesca
Eletroeletrônico
Comércio VarejistaSiderúrgia e Metalúrgia
Mineração
Química
Agro e Pesca
Alimentos
Setor
Veículos e Peças
Nível de Garantia Endividamento de Curto Prazo